如何在一系列日期上训练 LSTM?
How to train a LSTM on a sequence of dates?
如果我想训练一个 lstm 来预测一系列日期中的下一个日期,我该怎么做,因为 lstm 需要一个缩放值?
数据示例:
date
next date
2012-05-12
2012-05-13
2012-05-13
2012-05-19
2012-05-19
2012-05-20
2012-05-20
2012-05-22
2012-05-22
2012-05-26
2012-05-26
2012-05-27
2012-05-27
2012-05-30
2012-05-30
2012-06-12
2012-06-12
2012-05-19
2012-06-19
2012-06-25
您可以将日期拆分为三个输入: 一个是年份,另一个是月份,最后一个是日期。虽然规范化您的输入绝对有意义,但我不完全同意您的“LSTM 要求”。
日期和月份已经限制在可以缩放的值范围内
- 天 (1 - 31)
- 月 (1 - 12)
对于年份,您需要根据您的申请做出有根据的假设。这样那一年也可以转移到一个比例值。从您的数据来看,该年份可能是 2012 年不变,并且不需要开始。
- 年 (2012 - 2013(?))
注意:问问你自己,你是否给了神经网络足够的系统信息来预测下一个日期——也就是说,你的数据中是否已经有足够的模式?否则你最终可能会训练一个随机预测器。
如果我想训练一个 lstm 来预测一系列日期中的下一个日期,我该怎么做,因为 lstm 需要一个缩放值?
数据示例:
date | next date |
---|---|
2012-05-12 | 2012-05-13 |
2012-05-13 | 2012-05-19 |
2012-05-19 | 2012-05-20 |
2012-05-20 | 2012-05-22 |
2012-05-22 | 2012-05-26 |
2012-05-26 | 2012-05-27 |
2012-05-27 | 2012-05-30 |
2012-05-30 | 2012-06-12 |
2012-06-12 | 2012-05-19 |
2012-06-19 | 2012-06-25 |
您可以将日期拆分为三个输入: 一个是年份,另一个是月份,最后一个是日期。虽然规范化您的输入绝对有意义,但我不完全同意您的“LSTM 要求”。
日期和月份已经限制在可以缩放的值范围内
- 天 (1 - 31)
- 月 (1 - 12)
对于年份,您需要根据您的申请做出有根据的假设。这样那一年也可以转移到一个比例值。从您的数据来看,该年份可能是 2012 年不变,并且不需要开始。
- 年 (2012 - 2013(?))
注意:问问你自己,你是否给了神经网络足够的系统信息来预测下一个日期——也就是说,你的数据中是否已经有足够的模式?否则你最终可能会训练一个随机预测器。