附代码 LSTM 详解及 LSTM 解决时间序列预测问题( 四 ) _遗忘

输出门的输出 o t o_t ot?是一个0到1之间的值，表示哪些信息应该被输出。当 o t o_t ot?接近1时，所有的信息都会被完全保留；当 o t o_t ot?接近0时，所有的信息都会被完全屏蔽。
接下来， LSTM会将细胞状态 c t c_t ct?通过一个tanh函数进行处理，得到当前时间步的隐藏状态 h t h_t ht?：
h t = o t ? tanh ? ( c t ) h_t = o_t \cdot \tanh(c_t) ht?=ot??tanh(ct?)
其中， tanh ? \tanh tanh是双曲正切函数，将输入值映射到-1到1之间的值。
输出门的具体计算过程如下动图。
通过输出门， LSTM能够根据当前时间步的细胞状态和隐藏状态，自适应地控制信息的输出。这样，在LSTM网络中，重要的信息能够被自动地筛选出来，并传递到下一层或输出层。输出门的作用是控制当前时间步的隐藏状态 h t h_t ht?中哪些信息应该被输出，从而提高LSTM网络的准确率和效果。
2. 基于LSTM解决时间序列预测问题 (1) 数据集描述列名数据格式含义
日期
date
具体时间
浏览量
int
用户在电商平台页面上查看的次数
访客数
int
电商平台页面的访问者数量
人均浏览量
float
一天内用户平均在电商平台页面上查看的次数
平均停留时间
float
访问者浏览页面所花费的平均时长
跳失率
float
用户通过相应入口进入，只访问了一个页面就离开的访问次数占该页面总访问次数的比例
成交客户数
int
成功付款的客户数
成交单量
int
成功付款的订单数量
成交金额
int
成功付款的总金额
客单价
float
每个用户平均购买商品的金额
成交商品件数
int
成功付款的商品件数
下单客户数
int
已下订单的客户数
下单单量
int
已下订单的订单数量
下单金额
int
已下订单的总金额
下单商品件数
int
已下订单的商品件数
(2) 配置文件 a. 数据集参数b. 网络参数c. 训练参数d. 训练模式e. 路径参数(3) 运行结果展示
3. 参考资料
[1] 如何从RNN起步，一步一步通俗理解LSTM
[2] LSTM详解
【附代码LSTM 详解及 LSTM 解决时间序列预测问题】[3] LSTM 简介