数据挖掘 - 面板数据上的递归神经网络 - 吾爱随笔录

这个问题有两个部分。假设我们正在查看销售额 $S$ 一个产品的跨度 $> 1000$ 它销售的商店。对于这些中的每一个 $1000$ 商店我们有 24 个月的记录数据。

我们希望能够预测 $S_t \leftarrow f(S_{t-1})$ . 我们可以为每个存储时间序列构建一个 RNN，计算测试 RMSE，然后在处理标准化值等之后取平均值。但问题是每个时间序列的样本很少。如果我们要将商店分成组（例如动态时间扭曲），那么我们是否可以创建一个文本情感挖掘的独白，就像在文本中两个句子用一个点隔开一样，我们将有两个由一个特殊符号隔开的时间序列（让我们说）。在这种情况下，我们将生成一个 RNN 模型

T r a i n_{1} | T r a i n_{2} | \dots | T r a i n_{t}

$Train_1 | Train_2 |\ldots|Train_t$

数据和预测

T e s t_{1} | T e s t_{2} | \dots | T e s t_{t}

$Test_1 | Test_2 |\ldots|Test_t$

在此之后，我们想将其设置为面板数据问题，其中 $S_t\leftarrow f(x_{t1},x_{t2},\ldots,x_{tn})$ . 在那种情况下，我应该为每个人建立一个单独的神经网络吗？ $t$ 然后连接隐藏层 $t \rightarrow t+1 \rightarrow t+2 \ldots$ .

我应该如何通过 Keras/Theano/Mxnet 等包来实现这些？任何帮助都会很棒！