У меня есть реализация тензорного потока для прогнозирования временных рядов. Мои данные содержат экзогенные функции, я предоставляю их в своем вводе поезда и оцениваю ввод. На этапе прогнозирования predict_continuation_input_fn вызывает KeyError для моего столбца экзогенных функций. Вот упрощенная версия моего кода:
features = (ex_0, ex_1, ex_2)
reader = tf.contrib.timeseries.CSVReader(
_DATA_FILE,
column_names=(tf.contrib.timeseries.TrainEvalFeatures.TIMES, tf.contrib.timeseries.TrainEvalFeatures.VALUES) + features,
column_dtypes=(tf.int64,tf.float32,tf.float32,tf.float32,tf.float32),
skip_header_lines=1)
estimator = tf.contrib.timeseries.StructuralEnsembleRegressor(
periodicities=[20],
num_features=1,
exogenous_feature_columns= [tf.contrib.layers.real_valued_column(column_name=f, dimension=1) for f in features])
train_input_fn=tf.contrib.timeseries.RandomWindowInputFn(reader, batch_size=4, window_size=100)
estimator.train(input_fn=train_input_fn, steps=20)
evaluation_input_fn = tf.contrib.timeseries.WholeDatasetInputFn(reader)
evaluation = estimator.evaluate(input_fn=evaluation_input_fn, steps=1)
predict_input_fn = tf.contrib.timeseries.predict_continuation_input_fn(
evaluation, steps=100)
(predictions,) = tuple(estimator.predict(input_fn=predict_input_fn))
В этот момент я получаю ошибку KeyError: 'ex_0'. Ошибка очевидна, так как результирующая переменная evaluation не содержит моих экзогенных признаков. predict_continuation_input_fn имеет аргумент для получения exogenous_features, однако я не смог найти документацию о том, как передавать экзогенные данные из оценки в этот аргумент.
Как я должен предоставить эти функции для прогнозирования? Есть ли ошибка в моей реализации? Советы очень приветствуются.
