keras - 在 LSTM 中将静态特征与时间数据相结合
问题描述
我有一个关于将时间序列数据与静态特征相结合的问题。静态特征不是临时的。换句话说,它们不具有顺序性。为了澄清我的问题,举个例子:我想预测一条街道上参加活动的人数。我有两个不同的数据集:第一个数据集是关于事件发生前之前时间步长的人数。第二个数据集是与该事件相关的静态特征,例如事件类型、流行度、主题流行度等。我想在 LSTM 中结合这两个数据集。因为静态特征对时间特征有直接影响。我怎么能用它?任何评论、相关链接和论文将不胜感激。
解决方案
推荐阅读
- vba - 添加行并重复数据一定次数
- python - 使用 pandas 可视化工具绘制多个子图
- java - 使用 Elasticsearch 在 Grails 中处理类的字节时出现意外问题
- angular - 有没有办法根据角度 2 中的路线注入不同的服务?
- java - 如何使用 maven 生成 JAR
- php - 使用 php 函数 move_uploaded_file 上传文件图像后我找不到文件图像
- android - onClick 更新到 Firebase 数据库不起作用
- java - Asynctask 不会下载所有内容
- java - 自定义 SonarQube 规则以识别实例变量
- c# - 时间:2018-10-10 标签:c#closeietab基于已知的进程ID