Is Lstm goed vir tydreekse?
Is Lstm goed vir tydreekse?

Video: Is Lstm goed vir tydreekse?

Video: Is Lstm goed vir tydreekse?
Video: 3 BIGGEST Weaknesses of the Human Body 2024, Mei
Anonim

Gebruik LSTM's om te voorspel tyd - reeks . RNN's ( LSTM's ) is mooi goed by die onttrekking van patrone in insetkenmerkruimte, waar die invoerdata oor lang reekse strek. Gegewe die omheinde argitektuur van LSTM's wat hierdie vermoë het om sy geheue toestand te manipuleer, hulle is ideaal vir sulke probleme.

Net so, vra mense, wat is Lstm-tydreeks?

LSTM (Lang korttermyn geheue netwerk) is 'n tipe herhalende neurale netwerk wat in staat is om die verlede inligting te onthou en terwyl dit die toekomstige waardes voorspel, neem dit hierdie verlede inligting in ag. Genoeg van die voorlopers, kom ons kyk hoe LSTM gebruik kan word vir tyd reeks ontleding.

Gevolglik is die vraag, waarvoor is Lstm goed? Lang korttermyn geheue ( LSTM ) is 'n kunsmatige herhalende neurale netwerk ( RNN ) argitektuur wat in die veld van diep leer gebruik word. LSTM netwerke is goed geskik om te klassifiseer, verwerk en voorspellings te maak gebaseer op tydreeksdata, aangesien daar vertragings van onbekende duur tussen belangrike gebeurtenisse in 'n tydreeks kan wees.

Hierin, is Lstm beter as Arima?

ARIMA opbrengste beter lei tot voorspelling van korttermyn, terwyl LSTM opbrengste beter resultate vir langtermynmodellering. Die aantal oefentye, bekend as "epog" in diep leer, het geen effek op die prestasie van die opgeleide voorspellingsmodel nie en dit vertoon 'n werklik ewekansige gedrag.

Hoe voorspel Lstm?

'n Finaal LSTM model is een wat jy gebruik om te maak voorspellings op nuwe data. Dit wil sê, gegewe nuwe voorbeelde van insetdata, wil jy die model gebruik om voorspel die verwagte uitset. Dit kan 'n klassifikasie wees (ken 'n etiket toe) of 'n regressie ('n werklike waarde).

Aanbeveel: