python - 如何在 pytorch 模型中保留不用于训练的特征
问题描述
我有几个时间序列,我试图预测它们的特定特征。为了实现这一点,我构建了一个带有教师强制的 seq2seq 模型,该模型需要 120 个点并预测 30 个点(它是一个编码器解码器架构)。我想添加将在推理模式下在解码器中传递的可预测特征,例如日数、月数等。我还标准化了我的目标特征。假设我的数据框是这样的:
index target d1 d2 d3 d4 d5 d6 d7
2015-03-04 0.075269 0 0 0 1 0 0 0
2015-03-05 0.126744 0 0 0 0 1 0 0
2015-03-06 0.038530 0 0 0 0 0 1 0
2015-03-07 0.000000 0 0 0 0 0 0 1
假设可预测的特征是一周中几天的假人。我的训练进展顺利,模型显然正在收敛,但是当我想预测以查看结果时,我有一个明显的问题。由于可预测的特征在解码器中传递,我需要推断它们,这与日期并不复杂,但由于转换为张量,我失去了索引,所以我无法推断特征。您是否知道是否可以索引张量以恢复最后一行的日期以推断特征?
PS:在我们的示例中我不能使用诸如查找最后一天之类的技巧,因为我有超过 100 行以上的虚拟特征,所以我真的需要找到一种方法来保留日期但将其排除在训练之外
谢谢
解决方案
推荐阅读
- testing - 使用嵌入式 Kafka 测试 Flink
- android - Androidx 相机:清单合并失败:uses-sdk:minSdkVersion 16 不能小于版本 21
- sql - ADODB - 创建一个 VBA 函数以最大限度地减少重复代码?
- excel - Excel 数据验证在另一列中标有值
- powershell - 在 CIM 实例中设置 PolicyStore
- javascript - 如何在 React 中创建默认路由?
- c# - 从数据库中获取任何路由呼叫的网站选项
- javascript - 与 puppeteer 的异步 for 循环
- typescript - 如何模拟使用 new 创建实例的类
- vba - 设置配置文件 Chrome WebDriver Selenium VBA