假设我从足球比赛中收集了一分钟的数据样本，其中包含六个功能。进行了1500场训练和测试模型。
我已经为多特征预测实现了LSTM模型。我用滞后5训练/测试了模型，得到91％的分数。即对第6分钟进行预测。
我的问题是，仅给出第一分钟的数据，是否可以对比赛的剩余89分钟做出预测？ （当然，我将设计一个具有输入shape（1,6）和输出（89,6）的新模型
所以我的input_shape =（1,1,6）看起来总是[[0,0，a，b，0,0]]，其中a和b是唯一的，并且是针对每个匹配预先确定的。
预期的输出将具有shape =（89,6）。
我真的很感谢任何建议。
最佳答案
是的，有可能做到这一点，所使用的方法将是被称为“采样新颖序列”的方法的微小变化，并且遵循此模型
基本上发生的是，您使用第一分钟来预测第二分钟，而不是随机生成第二分钟，而将生成的结果用作下一步的输入，因此请继续，请记住，这仅用于采样/预测阶段，而不是在生成步骤中，我从安德鲁·伍（Andrew ng）的深度学习课程中学到了这一点，
而且我相信您可以相应地处理形状和尺寸。
如果您有任何疑问或困难，请在下面评论。
图片来源：medium.com
关于machine-learning - 具有单个时间信号输入的LSTM多步预测，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/54457956/