时间序列预测中序列长度与批量大小的差异

Question

我正在使用Keras进行时间序列预测，并且我试图了解有关时间序列预测的官方网站上的教程，您可以在这里找到(https://keras.io/examples/timeseries/timeseries_天气_预测/)。

它们使用一个名为keras.preprocessing.timeseries_dataset_from_array的keras方法，它具有以下参数(这里是一个文档https://www.tensorflow.org/api_docs/python/tf/keras/预处理/时序_数据集_从…_数组)：

    dataset_train = keras.preprocessing.timeseries_dataset_from_array(
    x_train,
    y_train,
    sequence_length=sequence_length,
    sampling_rate=step,
    batch_size=batch_size,
)

所以我的问题是，序列长度和批次大小之间有什么区别。我认为序列是滑动窗口的大小(x特征和一个目标y值)。但是批次的大小是多少？不幸的是，我无法查看此方法的输出，因为

   print(dataset_train) or 
   print(dataset_train.head()) 

不向我展示数据，我也不知道其他函数如何查看该方法的输出。

你们中有没有人对这种方法有经验，或者对顺序和批次一般都有经验？我很感谢你的每一条评论。

Answer 1

让我们取一个TS数据= 1、2、3、4、5、7、8、9、10

用这些参数调用函数

sequence_length=5, sampling_rate=1, sequence_stride=1, shuffle=False, batch_size=2

shuffle, batch_size在TS数据创建中没有任何作用。当您在返回的数据集上迭代时，它将生效。

在这种情况下，我们将有以下数据点，

1，2，3，4，5

2、3、4、5、6

3、4、5、6、7

4、5、6、7、8

5、6、7、8、9

6、7、8、9、10

batch_size

当您在此数据集上进行迭代时，您将在每次迭代中收到2条记录。

如果是shuffle=True，记录将在批处理之前被洗牌。

for batch in dataset:
  inputs, targets = batch

在上面的片段中，输入将是一批记录，而不仅仅是一条记录。如果需要的话，您可以使用batch_size=1。

targets

与数据中的时间步骤相对应的目标。它应该与数据具有相同的长度。目标我应该是与从索引i开始的窗口相对应的目标(参见下面的示例2)。如果没有目标数据，则不传递任何数据(在本例中，数据集只生成输入数据)

这是一个通用的函数。

它不是根据某种逻辑，即自回归方法来确定目标。它期望目标将被提供，否则，它只会返回预测器。