嗨，我有相当短的时间序列数据。数据集有多个系统. 对于每个我们记录了每天的失败次数。截至目前，我们已经记录了 30 天。我想知道我可以使用 LSTM 来预测第二天系统故障的数量。使用向量自回归怎么样？任何起始指针和代码引用都会很有用。谢谢你。
使用 LSTM 进行时间序列预测
数据挖掘
机器学习
深度学习
时间序列
张量流
2022-02-16 12:31:29
2个回答
是的，LSTM 在时间序列预测中被广泛使用。他们甚至可以处理时间序列中很常见的缺失数据：Learning to diagnostic with LSTM 递归神经网络。不过，我不建议直接从 LSTM 开始，因为训练需要时间，而且您必须尝试许多参数才能找到最适合您的数据的参数。您应该从一些基本的回归量开始，例如 RandomForest 或 XGBoost。
你问过任何指针。应用一些基本/中级概率论怎么样？
如果您已经知道机器发生故障的概率，您可以使用几何分布来计算机器在第二天发生故障的概率。
For a machine that breaks with 10% probability on a single day:
（这个例子是使用 R 的内置pgeom()函数）
# probability that the machine breaks on 5th day or earlier
pgeom(4, 0.1)
# 0.4095
# probability that the machine is still working on 20th day
1 - pgeom(19, 0.1)
# 0.1216
也许您可以将有根据的概率猜测用作更复杂的神经网络模型的基线模型。
其它你可能感兴趣的问题