数据挖掘 - 使用 nan 标签训练 LSTM 进行时间序列预测 - 吾爱随笔录

使用 nan 标签训练 LSTM 进行时间序列预测

数据挖掘喀拉斯张量流时间序列 lstm

2022-02-23 19:01:38

我有一个时间序列的特征。我想为每个时间步但是，在我的训练数据中，有些可以是 nan。我希望适合忽略这些（即这对测量和预测的成本为零）。我目前正在通过 Keras 使用 tensorflow。 $x_1,x_2,x_3,...,x_n$ $y_1,y_2,y_3,...,y_n$ $y$ $y$ $y$

标签是否有类似的遮蔽层？我目前正在通过 Keras 使用 tensorflow。或者，可能可以更改损失函数，但我不知道如何，特别是在保持数值效率的同时。

2个回答

我建议以这种方式实现它：

将 nan 值设置为 0 或任何其他值
编译 keras 模型时使用参数 sample_weight_mode='temporal'
您可以通过提供权重作为掩码在此之上使用掩码（否则，如果不是 nan 0，则值为 1 的序列）。

上面的步骤应该会给你想要的结果。

您可以使用均值填充或预测缺失的 y 值。给定每个训练样本的来填补缺失，或插值 $y_1,y_2,y_3,\cdots ,y_n$ $y$

其它你可能感兴趣的问题

上一篇整数列表的聚类列表下一篇我的训练分数 mean_train_score 或 mean_test_score 是多少？