[英]Supervised learning for time series data
我有以下時間序列數據。我想使用分類模型。對於自變量,我想傳遞特征 1/特征 2 的前 5 個值的數組,給定一些權重。例如在 2015 年 6 月 3 日,id 1: [ a1 a2 a3 a4 a5] [0.053 0.036 0.044 0.087 0.02 ]
ID feature1 Date feature2
1 0.053 02-03-2015 0.0115
1 0.05 08-03-2015 0.0117
1 0.099 09-03-2015 0.00355
1 0.006 10-03-2015 0.0088
1 0.007 11-03-2015 0.0968
1 0.0045 12-03-2015 0.08325
1 0.068 13-03-2015 0.0055
1 0.097 14-03-2015 0.0668
1 0.082 18-03-2015 0.0635
2 0.053 21-03-2015 0.0115
2 0.05 26-03-2015 0.0117
2 0.099 27-03-2015 0.00355
2 0.006 28-03-2015 0.0088
2 0.007 29-03-2015 0.0968
2 0.068 31-03-2015 0.0055
2 0.097 01-04-2015 0.0668
2 0.017 02-04-2015 0.0145
2 0.049 06-04-2015 0.0556
我如何將權重分配給滾動基礎上的值,其中window =5
.weights 可以在 0 到 1 之間。所以我可以將它們與值相乘,結果應該作為自變量的 1。我如何使用 LSTM 模型進行這種數據。
這篇關於 Machine Learning Mastery 的文章將帶您了解如何做到這一點。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.