machine-learning - 我有大约 2000 个用于时间序列预测的多个位置的数据点。我可以在上面应用 LSTM 模型吗?
问题描述
我是机器学习的新手,因此试图弄清楚我的数据集是否足以运行 LSTM 模型。我正在尝试对每日道路交通数据进行时间序列预测。目前,我有 20 个不同地点的每日数据(2012-2019)。从本质上讲,每个位置我只有约 2800 个数据点。这是一个好的数据集吗?
关于如何调整数据或转换数据以帮助处理我的数据集的任何建议?
请帮忙!谢谢!!
解决方案
考虑到这一点,您的数据集约为 2800*20 个示例。现在,您始终可以在这么多数据上运行 LSTM/RNN 模型,但您应该尝试检查它们是否优于基线模型Autoregressive Moving Average (ARMA)
,
如Autoregressive Integrated Moving Average (ARIMA)
.
此外,如果数据是格式:
Example_1: Day_1: x, Day_2:y, ...., Day_n: xx .etc
而不是输入整个Day_1 ... Day_n
特征来预测Day_n+1
您始终可以通过使用Day_1
来预测Day_2
等来增加您的数据集。
检查此链接。我从事的工作可能会有所帮助。
推荐阅读
- sql - 如何获取每对列的计数和最新记录?
- python - Python imread() 不能正确处理变量字符串
- suitecrm - 如何在 SuiteCRM 中为不合格案例和操作设置电子邮件通知
- r - 我需要帮助从 CSV 文件创建表格
- javascript - Node JS Express 包含/导入/导出
- c++ - 使用 protobuf 对象作为 std::map 中的键
- vba - 如何从Firefox浏览器上打开的特定网页获取值
- c++ - C++,带有向量的copy_if
- python - 在 Jupyter Notebook 中使用非常大的二维数组字典
- flutter - 为什么 setState 不使用差异输入重建小部件?