欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營(yíng)的一線實(shí)戰(zhàn)洞察。

LSTM多變量預(yù)測(cè)實(shí)戰(zhàn):用Python搭建成績(jī)預(yù)測(cè)模型

LSTM多變量預(yù)測(cè)實(shí)戰(zhàn):用Python搭建成績(jī)預(yù)測(cè)模型 簡(jiǎn)介面向希望掌握LSTM多變量預(yù)測(cè)的Python開(kāi)發(fā)者這份資源以成績(jī)預(yù)測(cè)等場(chǎng)景為主線系統(tǒng)覆蓋時(shí)間序列轉(zhuǎn)監(jiān)督數(shù)據(jù)、數(shù)據(jù)預(yù)處理、模型定義與訓(xùn)練、評(píng)估優(yōu)化等關(guān)鍵環(huán)節(jié)同時(shí)按單變量、多變量和多步預(yù)測(cè)拆分為多個(gè)模塊并配置shampoo-sales等數(shù)據(jù)集便于上手實(shí)踐。壓縮包共33個(gè)文件含19個(gè)csv數(shù)據(jù)文件和14個(gè)py腳本整體3.88MB腳本從預(yù)處理、縮放、穩(wěn)定化到模型開(kāi)發(fā)與預(yù)測(cè)完整串聯(lián)適合初學(xué)者循序漸進(jìn)閱讀。已有3419人瀏覽學(xué)習(xí)資源代碼結(jié)構(gòu)清晰、模塊劃分明確可直接復(fù)用于風(fēng)電、股票、天氣等序列預(yù)測(cè)任務(wù)也可作為入門(mén)LSTM的實(shí)操參考資料。1. LSTM 多變量預(yù)測(cè)是什么拿一片成績(jī)單能算出下學(xué)期的線「LSTM 多變量預(yù)測(cè)」翻譯成人話你手里有一張按周排開(kāi)的成績(jī)明細(xì)每行不是孤零零一個(gè)分?jǐn)?shù)而是一組互相影響的指標(biāo)——出勤率、作業(yè)提交率、周測(cè)得分、自習(xí)時(shí)長(zhǎng)。要做的是拿過(guò)去 4 到 6 周這些多列數(shù)據(jù)預(yù)測(cè)下一次考試能考多少。很多人一上來(lái)就把歷次分?jǐn)?shù)排成一列丟給 LSTM結(jié)果模型輸出一條接近水平的線真正能跑通的是把它建模成多變量時(shí)間序列讓網(wǎng)絡(luò)自學(xué)“出勤下滑之后兩周成績(jī)才開(kāi)始掉”這類(lèi)延遲關(guān)聯(lián)。這篇適合手里有歷次測(cè)驗(yàn)明細(xì)、想用 Python 跑通一版預(yù)測(cè)腳本的從業(yè)者按數(shù)據(jù)處理、模型搭建、訓(xùn)練驗(yàn)證和踩坑排查的順序展開(kāi)照抄能復(fù)現(xiàn)。2. 為什么成績(jī)預(yù)測(cè)要選 LSTM從梯度消失到多變量輸入輸出設(shè)計(jì)2.1 RNN 記不住長(zhǎng)序列的根源梯度消失與 LSTM 的閘門(mén)普通 RNN 在每個(gè)時(shí)間步把上一刻的隱藏狀態(tài)和當(dāng)前輸入一起算得到新的隱藏狀態(tài)。序列一長(zhǎng)反向傳播時(shí)梯度沿時(shí)間軸連乘權(quán)重矩陣的特征值只要小于 1梯度就會(huì)指數(shù)級(jí)衰減十幾步之前的信息對(duì)后續(xù)更新幾乎沒(méi)貢獻(xiàn)。成績(jī)預(yù)測(cè)里“第 3 周開(kāi)始刷題量加大、第 5 周進(jìn)入疲態(tài)”這類(lèi)信號(hào)經(jīng)常要隔 6 到 10 周才在大考上兌現(xiàn)普通 RNN 根本傳不到那么遠(yuǎn)。LSTM 的解決辦法是引入細(xì)胞狀態(tài)和三個(gè)門(mén)控遺忘門(mén)決定上一時(shí)刻的細(xì)胞狀態(tài)保留多少輸入門(mén)決定當(dāng)前新信息寫(xiě)進(jìn)多少輸出門(mén)決定細(xì)胞狀態(tài)對(duì)外放出多少。梯度在細(xì)胞狀態(tài)這條“傳送帶”上可以近似無(wú)損地流過(guò)關(guān)鍵信息能傳幾十步。這也是為什么時(shí)間序列預(yù)測(cè)里L(fēng)STM 比普通 RNN 更常用。LSTM 還有個(gè)更節(jié)儉的親戚 GRU把三個(gè)門(mén)簡(jiǎn)化成重置門(mén)和更新門(mén)參數(shù)更少后面如果遇到小樣本過(guò)擬合把兩層 LSTM 換成 GRU 是性?xún)r(jià)比最高的第一招。2.2 多變量預(yù)測(cè)的成績(jī)建模特征表、時(shí)間步與預(yù)測(cè)目標(biāo)多變量預(yù)測(cè)指的是輸入不是單列分?jǐn)?shù)而是多個(gè)隨時(shí)間變化的特征列預(yù)測(cè)目標(biāo)可以是其中的某一列也可以是一個(gè)單獨(dú)的標(biāo)簽。成績(jī)預(yù)測(cè)最常見(jiàn)的建模方式每個(gè)學(xué)生每周生成一條記錄取過(guò)去 n_steps 周的所有特征作為輸入 x預(yù)測(cè)下一個(gè)時(shí)間點(diǎn)的考試分?jǐn)?shù)作為 y。我一般先這樣定義特征表以教務(wù)系統(tǒng)能導(dǎo)出的字段為例特征列含義取值范圍attendance本周出勤率0–100homework作業(yè)提交率0–100quiz周測(cè)平均分0–100study_hours本周自習(xí)總時(shí)長(zhǎng)小時(shí)rank上周大考班級(jí)排名正整數(shù)預(yù)測(cè)目標(biāo) target 是下一次考試分?jǐn)?shù)。注意 rank 這類(lèi)“數(shù)值越小越好”的特征歸一化后語(yǔ)義不會(huì)顛倒但解讀反歸一化結(jié)果時(shí)要心里有數(shù)。特征也不是越多越好成績(jī)預(yù)測(cè)尤其忌諱把排名和成績(jī)同時(shí)塞進(jìn)去——兩者高度共線模型會(huì)把注意力全放在 rank 上一旦排名波動(dòng)預(yù)測(cè)就跟著抖。既然要走序列建模先解釋一個(gè)繞不開(kāi)的問(wèn)題為什么不用隨機(jī)森林或 XGBoost因?yàn)樗鼈兡J(rèn)把每行樣本當(dāng)獨(dú)立個(gè)體不利用順序信息。同樣是“上一周出勤低”發(fā)生在連續(xù)三周下滑和偶爾一周波動(dòng)樹(shù)模型看到的特征向量完全一樣LSTM 通過(guò)時(shí)間步結(jié)構(gòu)能區(qū)分這兩種模式成績(jī)預(yù)測(cè)的關(guān)鍵恰恰在趨勢(shì)和延遲效應(yīng)。當(dāng)然這不代表 LSTM 一定更好第 6 章會(huì)給驗(yàn)證方法。預(yù)測(cè)目標(biāo)的頻率也要先想清楚。如果直接預(yù)測(cè)一學(xué)期只有三四次的大考樣本量會(huì)小到?jīng)]法訓(xùn)練常見(jiàn)做法是先用周測(cè)成績(jī)當(dāng)近端目標(biāo)把模型訓(xùn)穩(wěn)再在學(xué)期末的大考上做一次遠(yuǎn)端校驗(yàn)。另一種做法是每 4 周一個(gè)窗口預(yù)測(cè)第 5 周周測(cè)最后看期末大考的殘差。這就是“先搞清楚 y 的頻率”的重要性它決定了你的樣本量級(jí)。2.3 動(dòng)手前的 Python 環(huán)境numpy、pandas、tensorflow 怎么配跑 LSTM 之前先確認(rèn)環(huán)境這一步翻車(chē)的人最多。我一般建議 python 3.8 以上配合 tensorflow 2.x、numpy、pandas、scikit-learn。Windows 上最容易出問(wèn)題的是 python 環(huán)境變量配置命令行敲 python 沒(méi)反應(yīng)十有八九是安裝時(shí)沒(méi)勾選“Add Python to PATH”或者 PATH 里同時(shí)存在多個(gè) python 入口。# 先升級(jí) pip避免裝包時(shí)出現(xiàn)依賴(lài)沖突 python -m pip install --upgrade pip # 安裝本次要用到的核心庫(kù)numpy 和 pandas 會(huì)一起裝好 python -m pip install numpy pandas scikit-learn tensorflow裝完用一個(gè)最小腳本驗(yàn)證環(huán)境別直接跑模型import numpy as np import pandas as pd import tensorflow as tf print(np.__version__) print(pd.__version__) print(tf.__version__)如果 import tensorflow 報(bào) DLL 加載失敗常見(jiàn)原因是用 32 位 python或者 python 版本太新而 tf 還沒(méi)跟上這種情況建議換 64 位 python 3.8–3.11或者直接用 tf 的 CPU 版本。成績(jī)預(yù)測(cè)這種小數(shù)據(jù)量任務(wù) CPU 完全夠用不必為 GPU 再折騰 CUDA。VSCode 里跑的話右下角確認(rèn)解釋器選的是同一個(gè) python別讓 Anaconda 的 base 環(huán)境混進(jìn)來(lái)。環(huán)境一次配好后面代碼報(bào)錯(cuò)才找得到根因。3. 把多變量成績(jī)數(shù)據(jù)切成 LSTM 能吃的形狀窗口化、歸一化與切分3.1 按學(xué)生滑動(dòng)窗口n_steps 取值與切窗口代碼LSTM 的輸入要求是三維數(shù)組樣本數(shù) × 時(shí)間步 × 特征數(shù)。成績(jī)表通常是長(zhǎng)表每行是一個(gè)學(xué)生某一周的一條記錄。第一步是把每個(gè)學(xué)生的記錄按時(shí)間排序再各自切窗口。手工用 for 循環(huán)切沒(méi)問(wèn)題數(shù)據(jù)量大就用 pandas groupby。關(guān)鍵決策是 n_steps 取多少。預(yù)測(cè)周測(cè)成績(jī)我一般取 4 到 6 周預(yù)測(cè)學(xué)期末大考至少取 8 周以上讓模型能看到一個(gè)完整的“狀態(tài)變化周期”。n_steps 太大有兩個(gè)副作用樣本量成倍縮小訓(xùn)練變慢n_steps 太小則學(xué)不到趨勢(shì)。常見(jiàn)做法是先畫(huà)出幾個(gè)學(xué)生的成績(jī)曲線人工看看成績(jī)從下滑到回升大概幾周再定窗口。import numpy as np import pandas as pd def make_sequences(df, n_steps6, feature_colsNone, target_colscore): 按學(xué)生切滑動(dòng)窗口返回 (X, y)。 X 形狀: (樣本數(shù), n_steps, len(feature_cols)) y 形狀: (樣本數(shù),) X, y [], [] for sid, group in df.groupby(student_id): group group.sort_values(week) # 每個(gè)學(xué)生必須按周升序 vals group[feature_cols].values target group[target_col].values for i in range(len(vals) - n_steps): X.append(vals[i:i n_steps, :]) y.append(target[i n_steps]) return np.array(X), np.array(y)這里有兩個(gè)新手常踩的坑。一個(gè)是 groupby 之后忘記 sort_values導(dǎo)致同一學(xué)生的不同周樣本亂序模型等于在看隨機(jī)時(shí)間順序訓(xùn)練 loss 能降但驗(yàn)證一塌糊涂。另一個(gè)是把不同學(xué)生拼成一條長(zhǎng)序列直接滑窗窗口會(huì)跨過(guò)學(xué)生邊界把學(xué)生 A 的尾巴和學(xué)生 B 的開(kāi)頭當(dāng)成連續(xù)事件。上面代碼按 student_id 分組就是為了避開(kāi)這兩個(gè)問(wèn)題。3.2 切分訓(xùn)練/驗(yàn)證/測(cè)試集按時(shí)間切還是按學(xué)生切時(shí)間序列不能隨機(jī)打亂再切分。成績(jī)有明顯學(xué)期趨勢(shì)期初、期中、期末分布不同隨機(jī)切會(huì)讓訓(xùn)練集混進(jìn)“未來(lái)”樣本模型等于提前看到考題。最直接的做法是按時(shí)間順序切前 70% 周次訓(xùn)練中間 15% 驗(yàn)證最后 15% 測(cè)試。n_total X.shape[0] train_end int(n_total * 0.7) val_end int(n_total * 0.85) X_train, X_val, X_test X[:train_end], X[train_end:val_end], X[val_end:] y_train, y_val, y_test y[:train_end], y[train_end:val_end], y[val_end:]但這里有個(gè)容易被忽略的問(wèn)題按時(shí)間切分時(shí)訓(xùn)練集里某個(gè)學(xué)生的最后幾周和測(cè)試集里同一學(xué)生的前幾周是連續(xù)的模型在訓(xùn)練時(shí)見(jiàn)過(guò)該學(xué)生的狀態(tài)測(cè)試時(shí)其實(shí)是“繼續(xù)預(yù)測(cè)同一個(gè)人的下一個(gè)點(diǎn)”這和真實(shí)場(chǎng)景里要預(yù)測(cè)一個(gè)新學(xué)生不一樣。如果目標(biāo)是跨學(xué)生泛化我一般改成按學(xué)生 id 切分train_sids df[student_id].unique()[:70] train_mask df[student_id].isin(train_sids)按周切分測(cè)的是“這個(gè)學(xué)生未來(lái)怎么樣”按學(xué)生切分測(cè)的是“沒(méi)見(jiàn)過(guò)的人能不能預(yù)測(cè)”兩者面對(duì)的問(wèn)題不同腳本里要二選一并寫(xiě)清楚注釋。3.3 歸一化順序scaler 必須在訓(xùn)練集上 fit成績(jī)和自習(xí)時(shí)長(zhǎng)的量綱差很多直接喂給 LSTM 會(huì)讓數(shù)值大的特征主導(dǎo)梯度。常見(jiàn)做法是用 MinMaxScaler 把所有特征壓到 0–1。順序有講究先在訓(xùn)練集上 fit再 transform 訓(xùn)練集、驗(yàn)證集和測(cè)試集測(cè)試集絕不能參與 fit。from sklearn.preprocessing import MinMaxScaler n_samples, n_steps, n_features X_train.shape scaler_X MinMaxScaler() X_train_2d X_train.reshape(-1, n_features) X_train_scaled scaler_X.fit_transform(X_train_2d).reshape(n_samples, n_steps, n_features) X_val_scaled scaler_X.transform(X_val.reshape(-1, n_features)).reshape(X_val.shape[0], n_steps, n_features) X_test_scaled scaler_X.transform(X_test.reshape(-1, n_features)).reshape(X_test.shape[0], n_steps, n_features) scaler_y MinMaxScaler() y_train_scaled scaler_y.fit_transform(y_train.reshape(-1, 1)).ravel() y_val_scaled scaler_y.transform(y_val.reshape(-1, 1)).ravel() y_test_scaled scaler_y.transform(y_test.reshape(-1, 1)).ravel()上面的 reshape 是在三維和二維之間切換經(jīng)常有人在這里把形狀搞亂報(bào)錯(cuò)先記下 X_train 的原始三維形狀transform 完再 reshape 回去。fit/transform 順序混亂是成績(jī)預(yù)測(cè)里最典型的玄學(xué)問(wèn)題如果在整份數(shù)據(jù)上 fit scaler等于讓模型在訓(xùn)練時(shí)接觸了測(cè)試集的數(shù)據(jù)分布線下指標(biāo)好看換一批真實(shí)數(shù)據(jù)立刻現(xiàn)原形。測(cè)試集不僅不能進(jìn) fit連 min/max 都不該看見(jiàn)。4. 用 Python 搭建 LSTM 成績(jī)預(yù)測(cè)模型結(jié)構(gòu)、訓(xùn)練與畫(huà)圖4.1 兩層 LSTM Dropout 的模型結(jié)構(gòu)怎么定數(shù)據(jù)形狀確定后模型結(jié)構(gòu)我一般從兩層 LSTM 起步。第一層用 return_sequencesTrue讓每個(gè)時(shí)間步都輸出隱藏狀態(tài)給第二層第二層 return_sequencesFalse只輸出最后一步的編碼接一個(gè)帶 relu 的中間層再壓到 1 個(gè)輸出節(jié)點(diǎn)。成績(jī)預(yù)測(cè)輸出是連續(xù)分?jǐn)?shù)所以最后一層不加激活函數(shù)等價(jià)于線性輸出用 MSE 作為損失。from tensorflow.keras.models import Sequential from tensorflow.keras.layers import LSTM, Dense, Dropout from tensorflow.keras.optimizers import Adam n_steps X_train_scaled.shape[1] n_features X_train_scaled.shape[2] model Sequential() model.add(LSTM(64, return_sequencesTrue, input_shape(n_steps, n_features))) model.add(Dropout(0.2)) model.add(LSTM(32, return_sequencesFalse)) model.add(Dropout(0.2)) model.add(Dense(16, activationrelu)) model.add(Dense(1))LSTM 單元數(shù)在這個(gè)樣本量級(jí)不需要堆太大。6432 是穩(wěn)妥起點(diǎn)第一層 64 負(fù)責(zé)捕捉每個(gè)特征各自的時(shí)間模式第二層 32 負(fù)責(zé)把多個(gè)時(shí)間步的隱狀態(tài)融合成整體表達(dá)。Dropout 放在 LSTM 層之間而不是 LSTM 內(nèi)部配合后面的早停基本能壓住過(guò)擬合。如果訓(xùn)練集很小把結(jié)構(gòu)縮到 3216 更穩(wěn)參數(shù)少了不容易硬背訓(xùn)練樣本。4.2 編譯與訓(xùn)練參數(shù)adam、mse、early stopping編譯時(shí)優(yōu)化器用 Adam學(xué)習(xí)率默認(rèn) 0.001 對(duì)這種任務(wù)通常夠。損失用 mse同時(shí)監(jiān)控 mae因?yàn)?MSE 對(duì)離群成績(jī)比如某次大考整體偏難導(dǎo)致全班低分過(guò)于敏感MAE 更能反映平均偏差。EarlyStopping 是 LSTM 訓(xùn)練里最值得設(shè)的參數(shù)成績(jī)預(yù)測(cè)數(shù)據(jù)量少訓(xùn)練到過(guò)擬合是常態(tài)它的價(jià)值是停在驗(yàn)證集最好的位置并回滾權(quán)重。from tensorflow.keras.callbacks import EarlyStopping model.compile(optimizerAdam(learning_rate0.001), lossmse, metrics[mae]) early_stop EarlyStopping(monitorval_loss, patience15, restore_best_weightsTrue) history model.fit( X_train_scaled, y_train_scaled, validation_data(X_val_scaled, y_val_scaled), epochs100, batch_size16, callbacks[early_stop], verbose1 )這里幾個(gè)參數(shù)按經(jīng)驗(yàn)給參考參數(shù)建議值說(shuō)明LSTM 第一層 units64時(shí)間模式提取LSTM 第二層 units32多特征融合Dropout0.2防止過(guò)擬合batch_size16小樣本下梯度更穩(wěn)learning_rate0.001Adam 默認(rèn)值patience15早停耐心越小越保守batch_size 對(duì)成績(jī)預(yù)測(cè)這種小樣本很敏感設(shè) 128 會(huì)讓每個(gè) batch 里學(xué)生多樣性不夠梯度方向不穩(wěn)設(shè) 4 則統(tǒng)計(jì)噪聲太大收斂慢。epochs 給到 100 甚至 200 都行反正早停兜底實(shí)際通常在 30 到 50 個(gè) epoch 內(nèi)就觸發(fā)。訓(xùn)練完看 historyval_loss 先降后升說(shuō)明早停生效如果從頭到尾都在升先查數(shù)據(jù)順序和歸一化再調(diào)結(jié)構(gòu)。4.3 預(yù)測(cè)結(jié)果還原與曲線繪制橫坐標(biāo)太密集怎么處理模型輸出的 y 是 0–1 之間的歸一化值要還原成真實(shí)分?jǐn)?shù)才能拿去解讀。預(yù)測(cè)與反歸一化如下y_pred_scaled model.predict(X_test_scaled) y_pred scaler_y.inverse_transform(y_pred_scaled).ravel() y_test_real scaler_y.inverse_transform(y_test_scaled.reshape(-1, 1)).ravel()inverse_transform 時(shí)經(jīng)常有人傳了形狀不對(duì)的數(shù)組把 y 先 reshape(-1, 1) 再傳即可這也是最常見(jiàn)的 python 類(lèi)型轉(zhuǎn)換坑。畫(huà)出真實(shí)與預(yù)測(cè)曲線時(shí)樣本一多 x 軸刻度就會(huì)擠成一團(tuán)我把刻度旋轉(zhuǎn)一下再顯示import matplotlib.pyplot as plt plt.figure(figsize(12, 5)) plt.plot(y_test_real, label真實(shí)成績(jī), linewidth2) plt.plot(y_pred, label預(yù)測(cè)成績(jī), linewidth2) plt.title(LSTM 多變量預(yù)測(cè)成績(jī)測(cè)試集對(duì)比) plt.legend() plt.xticks(rotation45) # 橫坐標(biāo)太密集時(shí)旋轉(zhuǎn)避免疊成一團(tuán) plt.grid(alpha0.3) plt.show()畫(huà)圖只做直觀確認(rèn)數(shù)值指標(biāo)用 MAE 和 RMSE 才有說(shuō)服力。成績(jī) 0–100 分制下MAE 在 5 分以?xún)?nèi)算是能落地8 分以上基本等于白預(yù)測(cè)回去檢查特征和窗口。5. LSTM 預(yù)測(cè)成績(jī)的五條踩坑記錄現(xiàn)象、原因、解決5.1 loss 不降或直接變 NaN現(xiàn)象訓(xùn)練一開(kāi)始 loss 就是 nan或者幾百步都不降。原因多數(shù)是數(shù)據(jù)里帶 NaN 或無(wú)窮大MinMaxScaler 處理不了其次是學(xué)習(xí)率太大梯度爆炸。成績(jī)表里某個(gè)學(xué)生缺考、周測(cè)缺勤填充方式不對(duì)就會(huì)留下空值。解決清洗時(shí)先 df.isna().sum() 查空值用前向填充或班級(jí)均值填充再把學(xué)習(xí)率從 0.001 降到 0.0001 試。若仍然 NaN檢查是否有一個(gè)特征的量綱異常大比如排名填了 999scaler 之前先做去極值。5.2 訓(xùn)練集表現(xiàn)好、測(cè)試集一塌糊涂現(xiàn)象訓(xùn)練 loss 很低驗(yàn)證 loss 也不差測(cè)試 MAE 突然飆高。原因最常見(jiàn)的是數(shù)據(jù)泄漏——?dú)w一化在整份數(shù)據(jù)上 fit或者切分時(shí)把未來(lái)數(shù)據(jù)混進(jìn)了訓(xùn)練集其次是按時(shí)間切分但學(xué)生重疊模型只是在“續(xù)寫(xiě)”見(jiàn)過(guò)的學(xué)生。解決嚴(yán)格先切分再 fit scaler測(cè)試數(shù)據(jù)連 min/max 都不許碰如果要預(yù)測(cè)新學(xué)生按 student_id 切分并驗(yàn)證跨學(xué)生效果。這個(gè)坑最隱蔽也是很多人覺(jué)得 LSTM 是黑匣子的主要原因。5.3 預(yù)測(cè)曲線整體滯后一拍現(xiàn)象預(yù)測(cè)曲線和真實(shí)曲線形狀幾乎一樣但整體向右平移了一個(gè)點(diǎn)。原因模型學(xué)到的其實(shí)是“把上一周的分?jǐn)?shù)抄下來(lái)”而不是“預(yù)測(cè)下一周的變化”。當(dāng)目標(biāo)序列高度自相關(guān)、輸入特征變化不充分時(shí)LSTM 的最小化損失策略就是輸出接近上一步的值。解決加入更有預(yù)測(cè)力的特征比如作業(yè)完成率的變化量、復(fù)習(xí)時(shí)長(zhǎng)增量把目標(biāo)從原始分?jǐn)?shù)改成差分讓模型預(yù)測(cè)變化而不是絕對(duì)值或者把預(yù)測(cè)目標(biāo)改為未來(lái)兩周的均值降低單次噪聲。5.4 報(bào)錯(cuò) expected ndim3, found ndim2現(xiàn)象第一次跑 fit 時(shí)直接報(bào)維度錯(cuò)誤說(shuō)期望三維輸入但拿到了兩維。原因LSTM 輸入要求三維而 X_train 在切分后可能是二維忘了把時(shí)間步維度保留。常見(jiàn)于用 for 循環(huán)組裝特征時(shí)把時(shí)間維壓掉了。解決檢查 X_train.shape期望是 (樣本數(shù), n_steps, n_features)。如果只有兩維說(shuō)明 n_steps1 或者窗口切片寫(xiě)錯(cuò)回到 make_sequences 重新切并在模型前面加一句 assert len(X_train_scaled.shape) 3 防呆。5.5 小樣本下每生只有十幾次記錄怎么做都過(guò)擬合現(xiàn)象訓(xùn)練 loss 降到接近 0Dropout 加了也沒(méi)用。原因LSTM 參數(shù)動(dòng)輒幾千上萬(wàn)而一個(gè)學(xué)生可能只有 12 周記錄去掉窗口后只剩幾個(gè)樣本模型直接把訓(xùn)練樣本背下來(lái)。解決一是把多個(gè)班、多學(xué)期數(shù)據(jù)合并擴(kuò)大樣本二是縮小模型到單層 LSTM 16 個(gè)單元三是用 GRU 替代 LSTM它參數(shù)更少在短序列上往往更抗過(guò)擬合。先跑通再談精度小數(shù)據(jù)硬上大模型是成績(jī)預(yù)測(cè)最常見(jiàn)的翻車(chē)現(xiàn)場(chǎng)。6. 讓成績(jī)預(yù)測(cè)真正上考場(chǎng)滾動(dòng)驗(yàn)證與樸素基線對(duì)照6.1 滾動(dòng)多步驗(yàn)證別只測(cè)一步單步預(yù)測(cè)容易給人“模型很準(zhǔn)”的錯(cuò)覺(jué)每次都給真實(shí)歷史窗口模型只猜下一個(gè)點(diǎn)誤差自然小。我現(xiàn)在的習(xí)慣是訓(xùn)練好后做滾動(dòng)驗(yàn)證——給定前 n_steps 周數(shù)據(jù)預(yù)測(cè)下一周再把預(yù)測(cè)值當(dāng)真值拼進(jìn)窗口預(yù)測(cè)再往后一周直到把整個(gè)測(cè)試期推完。這樣暴露出來(lái)的累積誤差才是真實(shí)使用場(chǎng)景里的誤差。def rolling_predict(model, X_start, n_predict, scaler_X, scaler_y): window X_start[0].copy() # 第一個(gè)窗口 preds [] for _ in range(n_predict): next_pred model.predict(window[np.newaxis, :, :], verbose0) pred scaler_y.inverse_transform(next_pred)[0, 0] preds.append(pred) new_step np.concatenate([window[1:], next_pred], axis0) window new_step return preds滾動(dòng)預(yù)測(cè)里每步都會(huì)把誤差帶進(jìn)去累積幾步之后曲線往往就飄了。如果你的模型滾動(dòng)三步誤差已經(jīng)不可接受說(shuō)明它只適合做短周期預(yù)警不適合做期末長(zhǎng)周期預(yù)測(cè)。6.2 和“用上次成績(jī)當(dāng)預(yù)測(cè)”的基線比一比判斷 LSTM 值不值得用最硬的標(biāo)準(zhǔn)是和一個(gè)樸素基線對(duì)照直接用該學(xué)生上一次考試分?jǐn)?shù)作為本次預(yù)測(cè)算 MAE。LSTM 的 MAE 如果壓不過(guò)這個(gè)基線說(shuō)明多變量特征沒(méi)有提供增量信息再調(diào)參也是白費(fèi)。我踩過(guò)這個(gè)坑之后每次建模第一步都是先跑基線再做 LSTM。成績(jī)預(yù)測(cè)方向最終能不能投入教學(xué)管理看的是滾動(dòng)誤差和基線差值而不是訓(xùn)練集那條漂亮的下降曲線。先跑通最小腳本再用滾動(dòng)驗(yàn)證和基線對(duì)照去質(zhì)問(wèn)結(jié)果只有當(dāng)多變量輸入真的帶來(lái)增益時(shí)LSTM 才算在成績(jī)預(yù)測(cè)里站住了腳。希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
99热在线精品观看| 碰97 久| 热九九在线| 狠狠爱婷婷丁香| 五月婷婷六月色| 中文字幕不卡网站| 天天爱天天操| 五月婷婷精品无在线| 9 1大香蕉| 99riAV国产精品视频| 5月丁香婷婷| 啪精品| 成人看片网站| www.色婷婷| XXXX岛国| 色色丁香| 久久九九玖玖| 久久婷婷综合拍| AV操操操| 激情综合啪啪| 先锋资源婷婷| 色香欲综合| 六月婷婷色色网| www激情网| 九九爱激情| 五月婷婷狠狠干| 九九Y精品热播| 五月天综合激情网| 欧美性猛交99久久久99| 蜜桃婷婷五月| 色色五月婷婷狠狠| 亚洲成人高清在线| 99热免| 99免费视频久久| 人人综合91网| 开心五月婷婷综合在线精品素人| 啪啪五月婷婷| 草草色情综合网| 五月综亚洲| 五月天丁香成人| 人妻久久久久久久久妻久久久久| 五月丁香综合精品欧美| 538任你爽| 日韩九九视频| 99精品手机在线视频| 看全色黄大色大片| 日操五月婷| 91热在线观看视频| 五月婷婷久久综合| 狠狠五月激情丁香六月| 久久人妻久久久久| 最新久久99视频网站| 丁香九月综合| 日本五月视频| 五月天婷婷色五月天| 久久99久久99精品,久国产,久久精品免费,99久在线,久久久久国产精品免费网站,9 | 天天色天天爱天天舔| 99re热视频这里只精品| 九九婷婷网五月天| 欧美婷婷五月无砖| 色综合中文色综合网| 26uuu在线观看| 日本熟女啪啪| 狠狠做五月婷婷| 久久久亚洲精品一区二区三区浴池| 亚洲激情精品| 91婷婷丁香五月天免费视频网站| www,99色| 五月天婷久久| 天天操天天插| 丁香五月av| 少妇真实被内射视频三四区| 99操碰| 五月天婷婷色色| 99热精品在线观看| 99色综合久久| 五月久久综合| 99热免费精品| 色情免费视频播放| 精品99在线看| 精品久热| 激情五月婷婷综合| 九九热这里只有精品一| 天天做综合| 夜夜嗨一区二区三区直播内容 | 亚洲蜜乳AV| 久久婷婷伊人| 玖玖爱伊人| 99热这里精| 97在线精品视频| 亚洲成av人影院| 婷婷丁香六月天| 激情影院内射| 婷婷亚洲综合| 另类亚洲2| 7777久久亚洲中文字幕| 99视频在线精品| www.ppypp| 天天干人人奸97| 色玖玖| 天天色天天日| 五月天激情小说欧美激情| 五月激情丁香久久综合网| www.99热这里精品| 日本全黄一级999| 欧美槡BBBB槡BBB少妇| av在线中文| 午夜激情五月天| 97操视频| 婷婷综合视频| xxxx久| 热无码A∨| 思思热在线视频观看精品| 97偷拍在线视频| 熟女少妇内射日韩亚洲| 欧美大肥婆大肥BBBBB| 91久久久久久久久| 99综合在线| 久久久27操| 婷婷五月天免费视频在线观看| 思思久久精品视频| 熟女婷婷网站一婷婷五月一丁香婷婷一婷婷激情网 | 伊人狠狠干| 色噜噜,噜噜色| 四色综合网| AV在线免费播放| 五月婷婷导航| 午夜 外网 精品 在线| 久久婷婷五月综合激情国产| 色五月综合| 在线观看免费观看在线9久| 色约约视频一区二区三区四区五区| 久久综合五月天| 丁香婷婷激情六月五月开心| 久久婷婷五月天蜜桃| 午夜国产精品AV在线播放| 天天狠狠婷婷在线| 久久丁香| 亚洲综合新99视频| 五月丁激情| 色小说婷婷五月天天天| 深爱激情网噜噜色| 激情综合网五月激情| 成人电影丁香六月天| 99久久综合精品五月天| 婷婷五月天开心网| www.91操| 日日做A爰片久久毛片A片英语| 熟妇无码乱子成人精品| 天天插天天插天天插| av在线激情| 教师性爱毛片| 99热大片| 一级操逼大片| 婷婷五月色综合| 亚洲avjiujiur91| 婷婷六月天精品| 日逼免费视频 | 亚洲激情AV| 黄网在线免费观看| 日本熟妇人妻在线| 99热这里只有精品4| 色播激情五月天| 激情综合无码| 色婷婷五月天激情综合| 亚洲热视频在线| 少妇人妻人伦A片| 日本啪啪天堂| 色色婷婷综合| 狠狠干综合网| 2018国产大陆天天弄| 激情五月综合网| 99久久综合网| 国产在线网| 亚洲AVwwwwwww| 9999三级片| 天天摸.天天mo| 日日婷婷不卡| 色色色9| 四川BBB搡BBB爽爽视频| 人人摸人人干| 五月激情综合网| 亚洲人妻av伦理| 成人AV片播放| 任你操精品免费| www,8050,午夜三级| 丁香五月在线视频黑人| 婷婷五月天第三页| 99热综合| 亚洲婷婷综合视频| 欧美日本综合网| 五月婷婷之激情五月| 99免费在线| 久久综合爱| 五月婷婷色欲| 久操大香蕉| 插插五月天| 激情五月天婷婷五月天| 2018国产大陆天天弄| 欲色人妻| 99热99艹在线观看| 天天搞天天色综合| 丁香婷婷视频一区二区| 六月丁香五月婷婷| 久色激情| 丁香婷婷十月| 伊人久久艹| 五月婷婷久久爱| 在线中文字幕视频| 亚洲最大视频| 日韩av一区二区在线/日产精品久久久| 欧美碰碰碰| 激情五月天在线观看色婷婷| 人人操人人爰人人一天天碰夜夜拍夜夜爽-中国A级毛片天天看天天谢… | 五月天色官网| 东京热伊人| 婷婷99视频在线| 亚洲色综久久五月| 精品亚洲国产成AV人片传媒| 噜噜噜色噜噜| 婷婷综合97| 婷婷六月久久综合导航| 亚洲综合在线丁香五月| 99九九综合久久九九| 激情五月天婷婷丁香| 夜夜操夜夜爽| 综合色视频| 五月婷婷影院| 思思久久99| 一本道在线电影| 操逼五月天| 伊人五月天男人的天堂在线| 亚洲成人AV在线播放| 婷婷五月成人社区| 天天成人丁香美女AV| 五月丁香久久| 99玖玖免费视频| 九九爱激情| 五月丁香狠狠爱| 99超级碰碰| 精品草原久久视频| 极品人妻VIDEOSSS人妻| 婷婷五月激情四月综合 | 中文字幕激情综合| 色五月婷婷九月| 亚洲V国产V欧美V久久久久久| 人人操人人爰人人一天天碰夜夜拍夜夜爽-中国A级毛片天天看天天谢… | 色播五月婷婷| 久久中国毛毛片爱久久| 伊人三级激情| 激情骚五月| 狠狠色婷婷丁香六月| 91人操人人人操人| 成人AV中文字幕| 六月丁香社区| 超碰免费观看| 日日日日操| 国产人妻777人伦精品HD| 99热最新| 日韩无码色色| 国产VA播放| 五月丁香久久综合| 五月婷婷久久综合| 日韩无码色色| 精品久久二6| 日本色道视频网站| www.粉嫩av.com| 免费AV播放| 超碰在线9| 天天透天天爱| 极品另类| 久久9精品| 欧美日本黄色| 91偷拍视频| 亚洲网站999| 久久婷婷五月综合| 日本久久9| 五月婷婷基地| 97碰在线免费观看| 91操片| 久久久99免费视频| 婷婷激情社区| 五月激情精品视频| 天天综合网网欲色| 91精品91久久久久77777| 少妇久久诱惑视频| 97超喷视频在线观看| 99r这里只有精品在线观看| 99热综合在线观看| 狠狠摸狠狠摸| 免费97碰碰| 久久久这里有精品| 色开心五月丁香| 婷婷五月天开心网| 9久热在线精品| 热99国产精品| 天天爽天天摸人妻综合网| 2020日日干| 翔田千里 50岁 无码| 欧美在线操| 中文字幕综合网| 亚洲精品99| 99人人操人人摸| 99亚洲天堂| 掩去也综合五月视频| 9色在线| 狠狠干狠狠干狠狠干狠狠干| 丁香五月九九| 99综合视频一体| 综合激情啪啪| 九月停停| 九九99免费理论| 影音先锋色色色资源色资源色| 天天干,夜夜爽| 婷婷五月丁香色情| 婷婷久久18| 日本丁香五月| 五月开心婷婷网| 狠狠干婷婷| 夜夜夜叫天天天做| 激情五月色综合网| 99re在线播放| 激情99| 丁香六月综合激情| 伊人大香蕉毛片| 人人操插| 天天综合网亚洲综合网| 久热伊人9| 亚洲另类在线观看| 这里只有精品免费观看网占| 99久久久| 最新日韩AV中文字幕| 99九无网码| 免费99情趣网视频| 久色网址| 久久思思热视频| 任你操精品免费| 欧美大片免费播放器| 久久少妇视频| 色情五月丁香婷婷网| 桃色成人网| 丁香五月婷婷五月| 四色 爱 婷婷 精品 亚洲 五月天| www.久久99精品| 99re在线观看| 婷婷五月天六月丁香| 天天爱天天日| 五月天天综合| 久99久视频精品| 成人AV免费观看| 亚洲婷婷五月天激情综合| 色五月婷婷自拍| 少妇熟女视频一区二区三区| 欧美婷婷丁香五月社区| 色婷婷AV久久久久久久| 2025中文在线视频字幕免费观看| 六月婷欧美| AV大片在线播放| 五月丁香六月香香蕉| 婷婷激情丁五月| 丁香六月婷婷综合| 五月做爱| 伊人婷婷五月天| 五月成人综合| 色婷婷成人在线| 99九九在线精品热动漫| 2022久久婷婷| 丁香婷婷成年| 五月丁香色婷婷| 久久在线大香蕉| 色欲香综合网| 在线国产精品色| 国内久久亭亭| 99艹精品在线观看| 九九亚洲天堂| 国产精品天天狠天天看| www婷婷| 日本在线99| 人人看人人摸人人| 狠狠干2007| 成人中文字幕在线| 在线看黄色| 一本道在线电影| 婷婷丁香五月久久| 五月婷六月综合在线观看| 日韩日比视频| www五月天com| 丁香花五月天婷婷成人社区| 国产毛片精品一区二区色欲黄A片| 五月丁香操婷逼| 丁香五月六月激情久久| 久久成人天| 色99视| 99久热在线精品| 亚洲国产网址| AV片一区在线观看| 亚洲精品又粗又大又爽A片| 成人一级片| 婷婷五月天综合在线| 婷婷五月天偷拍| 好好日激情五月天| 日本婷婷丁香五月| 天天噪夜夜爽| 9999热这里只有精品| 天天天天天操| 丁香五月天激情综合网| 99热这里只有精品1998| 五月丁香啪啪拍| 激情宗合哪里能看| 另类图片激情五月天| 欧美五月丁香啪啪响视频| 综合婷婷| 26uuu.| 热热久久精品视频| 久久性爱网站| 欧美日韩aaaa| 色99在线视频| 99久久精品国产色欲| 天天干天天做| 97干欧美| 天天干天天色综合| 国产67194| 婷婷天堂综合| 日韩成人网址| 亚洲成人无码专区| 欧美婷婷综合网| 亚洲视频1区| 丁香六月青青草| 99热99| 91狠狠色色丁香婷婷综合久久| 亚洲婷婷基地| 婷婷亚洲五| 亚洲色色图片| 蜜桃婷婷丁香| 天天艹夜夜艹| 丁香五月性爱| 最近中文字幕大全免费版在线| 国产亚洲成AV人片在线观黄桃| 人妻丰满精品一区二区A片| 欧美操人| 丁香婷婷欧美综合| 久久精品熟女亚洲AV麻豆| 五月婷婷激情啪啪| 97在线日本| 另类 在线| 99九九99九九九视频精彩| 久草大| www.激情五月天.com| 亚洲AV激情五月综合网| 日日艹思思热| 久久伊人婷婷| 无码少妇高潮喷水A片免费| 精品一二三区久久AAA片| 中文字幕人妻一区二区| 五月婷婷中文字幕| 激情六月五月婷婷综合网| 99视频精品全部免费观看| 日日.c| 丁香五月婷婷五月天| 丁香五月区| 伊人99热| 婷婷综合av| 日本久久高清| 久久婷婷婷婷伊人| 色婷婷综合亚洲| 99视频自拍| 五月天久久婷| 日韩成人AV在线| 国产精品五月丁香| 色五婷婷在线视频| 丁香婷五月天开心六月| 亭亭五月激情亚洲在线| 五月丁香六月婷婷亚洲天堂网站| 婷婷综合一二三| 五月综合视频| se99视频| 97婷婷丁香五月| 丁香花成人区| 国产成人精品一区二三区熟女在线| 九九久久精品| 久久婷丁香五月| 五月在线婷色| 五月天亭亭俺也| 我爱va亚洲va52| 欧美噜噜噜草| 五月婷婷啪啪啪啪| 五月婷激情| 一级无码作爱片| 玖月婷婷爱丁香| 激情五月深爱婷婷| 99热| 超碰国产AV| 99色色网站| 狠狠狠色激情综合适合| 丰满少妇猛烈A片免费看观看| 色五月大香蕉婷婷| 婷婷激情欧美| 五月婷婷综合在线| 91精品婷婷国产综合| 婷婷成人丁香色情基地30 | HD久久精品视频| 成人操呦av| 五月天激情视频| A久久| 一区二区三区XXXXXX| 蜜乳.comcom| AV色婷婷| 婷婷狠狠狠爱| 激情九九综合网| 婷婷五月天激情小说| 碰人人操| 六月婷婷久久大全| 国产性av| 草美女在线观看视频在线播放 | 1024成人免费看| 婷婷五月天av网| WWW.99视频| 色九月综合| 人妻自慰在线| 成人AV在线网站| 中文字幕网站在线观看| 五月天涩涩| 国产真实乱对白精彩| 天天色播| 91天天操天天干天天射| 国产激情av| 日韩无码色色| 无码一区二区三区四区五区91c| 婷婷五月情色| 欧美激情综合色综合啪啪五月| 亚洲最大在线| 色婷婷六月天| 97色在线观看视频| 激情久久丁香| 欧美精品A片一区在线观看| 天天夜天天色天天| 九九色婷婷五月天| 伊人狠狠干| 无码免费人妻A片AAA毛片西瓜| 激情五月天婷婷直播| 玖玖爱资源站| 1024成人在线观看| 久久激情网| 色婷婷影视99| 精a品a| 婷婷丁香五月天之开心少妇| 狠狠狠狠操| 九九99久久精品| 天天粽合合合合| 欧美激情五月天| 丁香六月婷婷缴情欧美| 精品无码久久久久久久久| 色五月开心婷婷| 久久综合五月| 亭亭丁香久久五月| 噼里啪啦在线观看免费完整版视频 | 亚洲人妻Av| 久99久视频免费观看| 免费视频无码| 色久女| 人人操99| 欧美五月丁香啪啪响视频| 青青草成人网| 99久久国产宗和精品1上映| 天天做天天双| 黄色片avv| 亚洲天码视频www蛋播视频| 婷婷综合天堂| 综合深爱五月| 99热色综合| 激情五月天小说|五月天开心激情网|亚洲精品国产自在现线|黄色五月天 | 色综合久久44| 伊人五月天综合网| 五月婷婷六月激情| 午夜不卡成人一区二区| 啪啪九九色| 国产精品久久久海的味道| 亚洲99在线| 色色色999| 新99思思视频| 日韩中出视频| 久人操| 欧美在线视频99| 色五月婷婷在线| 五月丁香六月合| 91肏肏肏| 五月天久久综合婷婷| 999婷婷综合| 99色综合| 五月天婷婷视频| 久久99激情| 狠狠操狠狠插| 五月香六月婷| www.henhenl| 丁香久久| 色婷婷久综合久久一本国产AV| 久久九九中文字幕| 国产成人精品一区二区三区视频| 华人在线免费| 五月天停停日日| 久久婷婷亚洲| 99热在线这里| 丁香五月亚洲AV| 激情人妻蜜夜系列区| 综合在线色婷婷| 婷婷丁香五月天哟啪| 色色欧美色色色| 婷婷综合一二三| 五月天天天综合| 精品国婬伦V无码久久久| 日本婷久久| 激情伍月 欧美| 色月丁| 六月婷婷中文字幕| 天天插插天天| 影音先锋xfplay资源男人网| 欧美天堂婷婷日韩| 久久99久久99精品免观看粉嫩| 丁香五月日啪| 蜜桃婷婷狠狠久久| A短视频免费在线观看| 久久99热这里只频精品6学生| 婷婷欧美激情综合| 射久久丁香五月| 这里只有精彩视频| 五月婷婷天天| 五月丁香综合久久| 久久人操| 热久91| 久久婷色| 99热这里只| 六月丁香视频网站| 大香伊人婷婷影院| 少妇人妻偷人精品无码视频新浪| 99久久婷婷五月综合| 丁香五月婷婷亚洲另类| 99热伊人| 久久婷婷东京热| 另类少妇人与禽zOZZ0性伦| 激情六月天| 婷婷五月婷婷五月| 婷婷激情五月吧| 色九九丁香九月色九九色| 五月天婷婷色色| 草做免费在线观看| 天天色综合色色色色色。| 91精品久久久久久久久| 久草婷妨| 五月丁香网站| 91爱啪啪| 婷婷五月花| 夜夜做夜夜愛| 婷婷久久国产视频| 99色五月| www.seqingwuyuetian| 九九这里有精品| 七七色色综合| 婷婷天天色| 亚洲精品性色| 97干婷婷五月天| 99久久免费性爱视频`| 激情无码网| 欧亚中文A V| 久久久久久五月天| 99精品视频在线观看| 超碰91在线| 狠狠干综合| 欧美人人草| 色婷婷色情| 深爱激情AV| 亚洲五月天第一综合干| aⅤ79成人片| www.婷婷亚洲基地| 久久婷网| 欧美日本国产欧美日本韩国99| 色开心五月丁香| 九月丁香婷婷网| 婷婷五月天天| 五月停停大香蕉| 丁香色五月天| 99热最新网址| 亚州色婷婷| 日韩成人电影在线播放| 色色色婷婷| 狠狠操天天干| 午夜日韩久久久网站| 伊人在线大香蕉网| 97超碰99热99| 五月婷婷www| 九九热99精品| 欧美色碰| 91综合色| 丁香六月激情四射| 五月天堂色| 97九色| 激情五月婷婷综合| 五月婷婷xxx| 性色欲情 网站| 日本女va| www.91有码.com| 天天成人五月天| 五月丁香av在线| 天天舔天天| 激情五月婷婷啪啪| 严洲天天插| dingxiangtingtingliuyue| 婷婷六月视频| 五月丁香婷婷视频| 色综合网址| 激情AV| 丁香五月性| 亚洲A片成人无码久久精品青桔| 天天揷综合网| 91狼友视频在线观看| 中文超碰视在线| 亚洲精品成人片在线播| 欧美日本国产欧美日本韩国99| 99久久久免费| 妻久久久久| 色了色综合| 久久爱婷婷| 97在线刺激| 激情网五月天| 日韩艹比| 婷婷色偷拍| 六月丁香久久| 天天色亚洲| 无码激情AAAAA片-区区| 精品婷婷丁香五| 丁香五月婷婷激情完整版| 99精品一二三四视频| 天天综合久久| 日撸夜撸日操| 思思99久久| 午夜一区| 国产三级在线播放| 91超碰人人操| 激情五月丁香综合蜜桃| 亚洲丁香五月| 日本99在线视频| 色婷婷五月在线| 日韩av手机在线观看| 十区av| 综合激情伊人影视在线| 色综合综合网| 丁香婷婷网| 99在线精品免费视频| 天堂久久大香蕉| 这里只有精品免费在线视频| 激情都市五月天| 色五月成人| 亚洲操逼网| 亚洲国产网址| 男人的天堂999| 五月婷婷人妻| 久久久久人妻精品| 婷婷丁香五月基地| 99人人干人人| 人人天堂操| 伊人久久大香蕉网| 亚洲黄色网址| 啊v视频在线观看| 国精产品一区二区三区| 亚洲天堂久久| 香蕉色色网| 丁香五月天在线视频| 99热这里只有精品86| 久热这里| 国产毛片精品一区二区色欲黄A片| 亚洲99在线| 日韩六十路91性交电影| 人人97碰| 31色区视频免费看| 婷婷色五月婷婷姐妹| 天天婷婷| 99热在线观看| 97干在线| 开心婷婷五月天激情网| 狠狠五月天| 美欧日韩国产成人在战| 国产乱妇乱子伦| 色情五月综合婷婷| 国产免费av在线| 艾小青av| 久久久久人妻| 婷婷色色丁香五月天| 五月天堂在线| 91婷婷| 婷婷五月天大香蕉| av在线色五月丁香婷区久| 激情欧美五月丁香| 久久超级碰视频| 热99这里只有精品视频| 九色婷婷| 狠狠色婷婷777| 成年人丁香五月| 超碰成人黄色网| 日韩中文欧美| 91九色中文字幕女在线观看| 99九九99九九九视频精品| 天天色天天色天天色天天色天天色天天色| 久操97| 婷婷丁香五月基地| 精品少妇蜜臀91| 丁香六月综合激情| 九九色影院| 五月天偷拍| 另类国产欧美视频| 欧美综合激情五月丁香| 激情四射五月天| 久久伊人9| 丁香久久久| 97干干干丁香| 五月丁香成人网| 久草视频一,二三四| 天天爽天天| 碰碰91| 五月激情综合网| 直接看的AV网站| 色域五月丁香| 色爱亚洲| 少妇熟女视频一区二区三区| 婷婷综合网| 97精品自拍| 亚洲午夜一区二区| 99色精品| 一级黄色操B| 午夜不卡成人一区二区| 久99久精品视频| 综合色吧| www.天天干| 丁香五月天婷婷91| 青草少妇激情| 丁香五月婷婷激情中文| 思思热久热| 天天操夜夜操| 色婷婷色久综| 99re热精品在线视频| 色五月丁香91| 天堂综合久久 | 天天激情站| 激情AV网| 五月丁香激情婷婷综合| 九九成人电影婷婷| 开心综合激情综合| 26uuu成人网| 色五月影视| 狠狠爱婷婷五月天| 99r这里只有精品在线观看| 日日影院 | 亚洲乱码成人| 久777| 激情五月www| ztEJj| 天天综合网亚洲综合网| 亚洲9久久精品| 美女天天爽| 9999热在线免费观看| WWW.99视频| 五月婷啪| 97人人射| 婷婷五月天性| 九热av| 五月婷婷激情五月| httpwww色com日本| 无码AV免费精品一区二区三区| 婷婷99中文字幕| 五月天久久婷婷| 99精品视频在线免费观看| 日本精品人妻无码77777| 日韩小视频在线99| 超碰京东热av男人的天堂| 欧美成人精品A片免费一区99| 色琪琪一综合久久激情五月视频| 激情五月天丁香| 六月亚洲| 日本久久极品| 午夜丁香婷婷| 99精品在线下载| 色九综合| 丁香五月91| 99久久九九| 九月婷婷综合| 精品久久9| 久久婷网| 蜜桃人妻无码AV天堂三区| 五月丁香伊人网| 亚洲五月婷婷在线| 天天爽天天爽天天爽天天爽天天爽| 色约约视频一区二区三区四区五区| 夜丁香综合| 色婷婷久久综| 成人午夜无码视频| 天天综合网网欲色| 爱久综合| www.婷婷| 激情小说婷婷五月| 武则天精品久久| 亚洲色频| 婷婷丁香人妻天天| 超碰在线看| 国产毛片操B| 97碰久久| 欧美性丁香色色五月天| 996精品热视频| 国产精品18久久久| 伊人婷婷五月天| 五月天激日本色情在线| 97久久婷婷色| 爱射综合| site:ornaments52.com| 丁香激情五月少妇| 97精品综合久久| www五月天com| 色婷婷色99国产综合精品| 色婷青青| 丁香婷婷五月综合色情| 亚洲第一视频 久久| 人人操91| 丁香五月婷婷国产av| 九九色图| 激情六月日韩| 五月天·www·com| 五月丁香人妻| 成人午夜无码视频| 丁香五月av| 激情五月综合六月丁香婷婷狠狠干| 五月天婷婷激情网| 天堂成人A片永久免费网站| 91碰超| 亚洲色色色色| 久久99热这里只有精品首| 激情综合网激情五月俺也去| 超碰在线国产| 91午夜激情| 五月丁香婷婷激情在线| 97人人搞| 五月婷天堂视频| 色五月亚洲| 亚洲无码99| 色婷婷五月网| 99色在线观看免费| 日本色久| 嘿嘿视频免费看9| 深爱激情五月天| 99操逼视频| 99久热这里只有精品| 婷婷中文字幕版| 大香蕉婷婷丁香天堂AV| 超热久碰.com| 激情婷婷五月丁香啪啪啪| 婷婷亚洲综合| 欧美日比视频| 五区毛片七区毛片| 五月婷婷久久综合| 婷婷爱在线观看| 久久婷婷五月天激情四射| 99艹精品在线观看| 九色婷婷| 大香蕉啪啪网| 婷婷五月天基地| 五月婷婷六月激情在线| 五月丁香花激情综合网| 久草婷婷视频| 激情五月天。| 精品影院| 日本久久99| 天天搞天天爽| 久婷| 五月天婷婷丁香导航| 六月丁AV| 久热A| 狠狠狠狠狠操| 玖玖精品资源| a69在线视频| 亚洲一个色| 丁香婷婷91在线观看视频| 欧美激情 日韩无码 婷婷 五月天| 日本激情综合| 狠狠精品干练久久久无码中文字幕| 婷婷六月综合激情| 国产9色在线/日韩| 婷婷成人AV| 九九在线视频| 婷婷爱五月| 欧美性爱五月天| 深爱五月婷婷| 啪啪小说五月天| 精品成人a v无码内射| 日日舔夜夜操| 婷婷五月无码| 六月婷婷开心| 999热这里只有精品| 思思热精品在线观看| 婷婷免费成人视频| 性小说五月天| 91视屏在线观看com.wwwvv| 九九一综合精品| 欧洲综合视频在线观看。欧洲,亚洲综合食品在线观看。 | 青青草原中文字幕| 99热免费精品热久久66| 九月丁香婷婷| 六月婷婷之青青草| 久久与婷婷| 天天舔天天| 色婷婷狠狠色| 黄涩毛片| 大陆肏屄视频| 丁香六月情| 天天干天天爽| 中文字幕在线日亚洲9| 亚洲综合五月天婷婷丁香| 天天干天天日天天操| 99色综合| 99热日本| 亚洲丁香花色| j五月香在线| 日韩无码亚欧无码| 99爱爱网| 日本超碰在线| 婷婷五月丁香基地在线视频官网| 思思视频这里是精品| 亚洲五月六丁香激情| 亚洲成人乱码av网站| 999热在线视频| 天堂综合久| 丁香五月激情综合| 第九色区av天堂| 狠狠色丁香乆乆| 婷婷狠狠爱| 久久久99婷婷久久久久久| 亚洲婷婷在线播放十月| 五月激情偷拍婷婷| 婷婷综合在线观看视频| 色色哒五月婷婷六月丁香| 激情 婷婷| 亚洲无码99| 国产人妻777人伦精品HD| 黄色aa观看aaguochan| 丁香五月激情网| 99热99在线| 精品99爱免费视频在线观看| 99热精品6| 久9无码视频| 可以看的AV| 大香蕉久久视频久久视频| 久久综合五月| 91五月天| 思思久日精品视频| 91丨九色丨丰满人妖| 久久这里有精品| 99色免费观看全部| 日韩成人AV在线播放| 婷婷五月天va| 婷婷六月丁香五月| 五月花激情| 亚洲国产精品VA在线看黑人| www久久久久久| 九九熱最新視頻| 婷婷五月天狠狠搞干| 婷婷在线精品| 三十熟女| 色五月色图| 视频这里只有精品16| 91九色欧美| 九九热精品| 91在线精品一区二区| 色婷婷狠狠爱| 99热在线观看亚洲区| 色色婷婷五月| 九月色婷婷婷| 婷婷五月天美女| 嫩草乱码一区三区四区| 99热色精品| 五月丁香日逼| 91精品电影18T| 五月婷婷开心网| 国产日韩欧美| 久大香蕉| 激情九九综合网| 91九九| 亚洲精品另类| 日韩成人精品中文字幕| 欧美97p| 操操碰| 婷婷丁香综合在线| 天天日综合网射| 五月婷婷丁香五月| 国产XXXX搡XXXXX搡麻豆| 五月天婷婷色情| 99热精品一区| 五月婷婷偷拍| 婷婷综合中文字幕| 婷婷五月天激情四射| 婷婷五月av| 欧洲电影在线观看免费版英语版| 五月色婷婷中文字幕| 久热网站| 国产精品涩涩涩视频网站| www.色色五月天.com| 啪到高潮激情丁香五月| 丁香五月六月| 色情婷婷。| 五月丁香色婷婷基地| WWW,五月| 综合激情肏逼网| 丁香五月婷婷手机| 日韩中文字幕| 掩去也综合五月视频| 日韩黄色电影| 丁香99| 天天插轮理| 久久思思热| 翔田千里 50岁 无码| 激情综合网五月| 999热在线观看视频| 黄色99视频| 夜夜 操无码| 丁香激情五月少妇| 天天操天天日天天操| 99热综合| 成人视频一区| 中文字幕精品在线观看| 色久99| 婷婷六月情| 成人做爰A片免费看网站找不到了| 伊人婷婷大香蕉| 色色色色色色色色网站| 激情久久伊人| 九九热视频网站| av人人干| 五月丁香激情啪啪| 黄色成人网站在线播放| 亚洲精品444久久久久久| 激情久久综合网| 亚洲亚洲人成综合网络 | 人妻激情视频| 激情五月天激情五月天| 熟女强人妻一区二区三区四区无| 婷婷丁香午夜综合影视| 超碰99热| 色天堂在线| 九九热视频思思| 五月婷婷香蕉| 99色一| 国产偷人爽久久久久久老妇APP| 日日夜夜狠狠婷婷色| 99久久这里只有精品| 久久综合婷婷| 九九热只有精品| 91操在线视频| 深爱五月婷婷| 激情四射婷婷色色色| 五月天激情国产综合婷婷婷| 天天久久婷婷| 深爱激情丁香五月| 99久久久精品| 人人干人人操人人摸| 玖玖激情网| 五月丁香另类图片| 久久伊人婷| 五月天五月天激情网| 三级三久久线久久99久目本WW| av在线资源| AV人人操| 五月天激情网图片 - 百度| 色婷婷五月天| 伊人五月天男人的天堂在线| 婷婷丁香六月| 亚洲在线激情婷婷五月| 大伊香蕉精品视频在线| 日韩久久这里只有精品| 婷婷伊人综合| 婷婷无码五月天| 色婷婷五月综合在线| 大香蕉婷婷五月天| 婷婷五月天成人导航| 开心五月天激情网| 久久亚洲精品成人无码网站导航| 国产毛片欧美毛片久久久| 91pornav在线| 九九亚洲小视频| 丁香五月综合网| 五月婷婷六月丁香色| 六月丁香狠狠爱| 色五月婷婷色| 五月婷婷五月天激情视频| 欧美成人AAA片一区国产精品| 六月丁婷婷| 九九爱激情| 丁香五月婷婷视频| 碰碰91| 成人精品一区日本无码网| m色激情网| 色五月激情问网站| 天天综合色丁香| 六月99天天婷婷激情综合| 免费看欧美成人A片无码| 丁香五月五月婷婷五月天激情四射| 成人网页在线观看| 五月久久婷婷天堂视频| 99熟女| 51精品国自产在线| 六月丁香激情网| 婷婷九月亚洲| 大香蕉婷婷| 99精品小视频| AV色五月婷婷| 色吧网综合| www色色色com| 五月丁香久久丝袜啪啪| 五月天操逼网| 色爆五月| 成人 视频免费观看网站| 五月婷婷久久爱| 99热费观看| 丁香五月花| 先锋资源91| 五月婷色丁香| 欧美色久| 婷婷五月天免费99| 人妻人人操| 五月丁香欧美在线| 另类在线| 久久亭亭电影| 五月丁香六月激情| 激情五月天影院| 嫩草综合网| 日本色天堂| 丁香六月婷婷基地| 激情亚洲网| 开心五月婷婷婷美女| 同性gv国产精品一区二区| 久久视频婷婷| 五月婷婷色在线| 99热这里只有精品3| 色在线视频网2025| 色婷婷在线综合色播网| www.91在线观看| 99久久国产综合精品五月天喷水\| 亚洲热久久| 五月天婷婷在线AN| site:esunnet.com| 久久久久亚洲AV成人无码电影| 亚洲av另类在线观看| 婷婷五月天激情网| 九九热婷婷| 五月丁香六月婷婷网站| 九九精品片一| 在线网黄| 日韩性爱无码| 婷婷五月天国产传媒| 激情网五月| 97人妻碰碰碰久久香蕉| 无码 色| 狠狠999| 五月婷成人| 欧美超级视频97| 丁香婷婷五月激情四射网| 婷婷丁香五月综合| 色五月激情综合网| 五月激情小说| 这里只有精品网| 天天干天天玩天天夜天天射天天操天天日蜜臀少妇 | 丁香99| 日韩黄在免|