如何解决在多个串联时间序列上训练 LSTM
我正在训练一个时间序列二元分类模型。数据集由多个不同的时间序列（测量相同的数据）组成，并连接在一起。因此，例如，前 200 个数据点可能与一个对象的数据相关，接下来的 300 个数据点与同一测量但与不同对象相关（因此两个系列之间的过渡可能存在跳跃或下降） ）。但是，每个系列的标签都是一致的。所以前 200 个点要么全部标记为 0，要么全部标记为 1。如何在这些数据上使用 LSTM？我首先应该如何准备数据集？
我目前的方法是创建整个数据集的序列，并训练 LSTM，但是，精度和召回率实际上并不比抛硬币好 (~50%)。到目前为止，我的想法是，目前设置数据集的方式对于 LSTM 来说并不是非常直观。
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。
