我已经与 MLP 合作了一段时间。每当我假设某个特征的过去值可能对预测 Y 的未来值有用时，我只会在我的数据框中使用 Feature(t-1) 创建一个新列。该过程将重复进一步滞后 t-2,t-3...tn。
除了维数诅咒这个明显的问题外，我担心 MLP 不知道如何对现在位于新的单独列中的那些时间滞后的特征进行加权。
简而言之：
上述方法是错误的吗？
RNN 如何解决这个问题？
具有滞后特征的 MLP 和 RNN 之间的主要区别是什么
数据挖掘
机器学习
深度学习
时间序列
rnn
毫升
2022-02-22 00:10:57
1个回答
假设您有 3 个功能 + 为每个功能考虑 5 个时间戳。这意味着您有 15 个特征作为 X 值。
RNN 以外的机器学习技术可以将这些特征作为单独的列（即 15 列）来使用。
RNN 可以将这些数据用作 5 个数组，其中包含 3 个特征。我们可以在每个时间步将这 5 个数组输入到 RNN 单元中以获取单个记录。当我们提供第二个时间戳数据或后续时间戳数据时，RNN 单元的工作方式是从最后一个时间戳中获取处理过的重要信息。
其它你可能感兴趣的问题