python - 在对一个时间序列数据进行 LSTM 模型训练后初始化状态
问题描述
我目前正在为预测性维护的应用构建 LSTM 模型(序列长度:30 天)。我有几台机器出现故障,并且它们的时间序列数据长度不同。我对此有几个问题。
(1) 我最近在 LSTM 模型中遇到了有状态和无状态的概念,我想知道在对一台机器的时间序列数据进行模型训练后每次初始化隐藏层状态是否是个好主意?
(2) 在这种情况下我可以保持 shuffle = True 来停止模型学习序列依赖吗?
我在这方面相对较新,所以如果我错了,请纠正我。谢谢你。
解决方案
推荐阅读
- api - 你如何将 POST 方法添加到这个 Twitter API 请求中?
- python - 在 pandas 列标题上方插入一行以将标题名称保存在 csv / excel 文件的第一个单元格中
- android - 使用视图绑定时如何解决“未启用数据绑定”错误
- c++ - 如何从类构造函数传递模板参数
- typescript - 如何在 Typescript 中显式导入接口?
- sql - 按逻辑分区
- ios - 当提到旧版本的 macOS 时,我们仍然称它为 OS X 吗?
- mysql - 我有一个产品数据库表,每个产品都有一个图像。我的表是否应该有一列包含图像的整个路径?
- javascript - jQuery 平滑照片褪色
- angular - 如何读取外部定义到根 package.json 的依赖项?