如何解决时间序列预测的特征缩放
我正在进行时间序列分析，准确地说是多变量时间序列，在将输入输入到我的 LSTM 模型之前，我对它们进行了缩放。我用来评估模型的指标是验证集的损失和平均绝对误差。
我能够在损失和 MAE 都低于 1 的情况下取得相当不错的结果。但是，我突然想到，由于我的数据已被缩放，因此它在 1 到 -1 的范围内，因此，这些结果并不令人意外。
本质上，我的问题是，当数据经过缩放后，您如何评估旨在执行时间序列预测甚至回归的模型？反正由于数据落入的范围，损失不会很低吗？
解决方法
由于数据落入的范围，损失不是会非常低吗？
是的，但是这里的损失函数通常是比较一个模型与另一个模型的性能。只要您在相同的数据上缩放模型，这对此很有用。
但是，如果您想更好地了解未缩放的损失，您可以计算 MAE，然后使用您最初拟合的相同缩放器对损失进行逆缩放。最后，我不建议您使用错误度量来判断模型的“良好结果”，除非您有一个过往的基准测试。你真的应该在图表上绘制预测值与实际值
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
