PCA for Recurrent Neural Networks (LSTM) - 我也应该对目标变量使用 PCA 吗？
PCA for Recurrent Neural Networks (LSTM) - Shall I use PCA for target variables too?
我有一个季节性时间序列数据集，其中包含 3 个目标变量 和 n 个特征变量。在将数据提供给简单的 LSTM 之前，我正在尝试应用 PCA 算法。
我做的操作如下：
- 拆分序列 - 验证 - 测试
- 训练数据集（包括目标和特征）的标准缩放器（force mean=0 & std=1）
- 仅对训练数据集的特征应用PCA
- 通过步骤 3 中的 PCA 矩阵转换来自验证和目标的特征变量
- 我迷路的地方：如何处理目标的验证和目标的测试变量？
- ...更多神经网络预处理和构建 LSTM 的架构
我的问题是：如何缩放/规范化目标变量？也通过 PCA？通过任何独立的缩放器（标准、mapminmax 等）？如果我保留原始目标值，我的 LSTM 就会过度拟合。
最令人失望的是，没有 PCA，我构建的 LSTM 没有显示出过度拟合
非常感谢您的帮助！
我知道来晚了...
据我所知，您不应该将 PCA 应用于目标变量。 PCA 用于降低特征变量的维度。
当您应用了使用 Train 数据集训练的 PCA 转换时，您可以对使用的 Scaler 执行相同的操作。
我有一个季节性时间序列数据集，其中包含 3 个目标变量 和 n 个特征变量。在将数据提供给简单的 LSTM 之前，我正在尝试应用 PCA 算法。 我做的操作如下：
- 拆分序列 - 验证 - 测试
- 训练数据集（包括目标和特征）的标准缩放器（force mean=0 & std=1）
- 仅对训练数据集的特征应用PCA
- 通过步骤 3 中的 PCA 矩阵转换来自验证和目标的特征变量
- 我迷路的地方：如何处理目标的验证和目标的测试变量？
- ...更多神经网络预处理和构建 LSTM 的架构
我的问题是：如何缩放/规范化目标变量？也通过 PCA？通过任何独立的缩放器（标准、mapminmax 等）？如果我保留原始目标值，我的 LSTM 就会过度拟合。
最令人失望的是，没有 PCA，我构建的 LSTM 没有显示出过度拟合
非常感谢您的帮助！
我知道来晚了... 据我所知，您不应该将 PCA 应用于目标变量。 PCA 用于降低特征变量的维度。 当您应用了使用 Train 数据集训练的 PCA 转换时，您可以对使用的 Scaler 执行相同的操作。