使用LSTM实现未来气温的预测
#MSE:均方误差 预测值和真实值之间距离的平方和 #MAE:平均绝对误差 目标值和预测值之差的绝对值之和 monitor: 监控的数据接口,有’acc’,’val_acc’,’loss’,’val_loss’等等。正常情况下如果有验证集,就用’val_acc’或者’val_loss’。 但是因为笔者用的是5折交叉验证,没有单设验证集,所以只能用’acc’了。 min_delta:增大或减小的阈值,只有大于这个部分才算作improvement。这个值的大小取决于monitor,也反映了你的容忍程度。 例如笔者的monitor是’acc’,同时其变化范围在70%-90%之间,所以对于小于0.01%的变化不关心。 加上观察到训练过程中存在抖动的情况(即先下降后上升),所以适当增大容忍程度,最终设为0.003%。 patience:能够容忍多少个epoch内都没有improvement。这个设置其实是在抖动和真正的准确率下降之间做tradeoff。 如果patience设的大,那么最终得到的准确率要略低于模型可以达到的最高准确率。 如果patience设的小,那么模型很可能在前期抖