使用LSTM RNN改组训练数据
keras
lstm
machine-learning
recurrent-neural-network
6
0

由于LSTM RNN使用以前的事件来预测当前序列,因此为什么要改组训练数据?我们是否会丢失训练数据的时间顺序?在经过改组的训练数据上进行训练之后,如何有效地进行预测?

参考资料:
Stack Overflow
收藏
评论
共 1 个回答
高赞 时间 活跃

通常,在混排训练数据(一组序列)时,混排序列馈送到RNN的顺序,而不会在单个序列中混排顺序。当您的网络为无状态时,可以这样做:

无状态情况:

网络的内存仅在序列持续时间内持续存在。在序列A之前对序列B进行训练并不重要,因为网络的内存状态不会在序列之间持久存在。

另一方面:

有状态的案例:

网络的内存跨序列持续存在。在这里,您不能盲目地改组数据并期望获得最佳结果。序列A应该在序列B之前馈入网络,因为A在B之前,并且我们希望网络用序列A中的内存来存储序列B。

收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题

关于我们

常见问题

内容许可

联系我们

@2020 AskGo
京ICP备20001863号