序列预测是一个利用历史序列信息来预测序列中下一个值或值的问题。序列可以是句子中的字母等符号，也可以是价格时间序列中的实际值。在时间序列的上下文中，序列预测可能最容易理解 [...]
测试集和验证集有什么区别？
验证数据集是用于估算模型在调整模型超参数时的模型技能而从模型训练中保留的数据样本。验证数据集不同于测试数据集，测试数据集同样从模型训练中保留，但用于提供无偏见的 [...]
如何在 Python 中对序列数据进行独热编码
机器学习算法不能直接处理分类数据。分类数据必须转换为数字。当你处理序列分类问题并计划使用深度学习方法（如长短期记忆循环神经网络）时，这一点适用。在本教程中，你将学习如何转换你的输入或 [...]
如何使用 Python 中的差分变换去除趋势和季节性
时间序列数据集可能包含趋势和季节性，在建模之前可能需要将其移除。趋势可能导致均值随时间变化，而季节性可能导致方差随时间变化，这两者都定义了非平稳时间序列。平稳数据集是指均值和 [...]
如何在 Python 中缩放用于长短期记忆网络的数据
在训练神经网络（如长短期记忆循环神经网络）时，你的序列预测问题的数据可能需要进行缩放。当网络用具有值范围（例如，从十几到几百）的未缩放数据进行拟合时，较大的输入可能会减慢 [...]
深度学习循环神经网络算法详解
循环神经网络，或称 RNN，是一种人工神经网络，它向网络添加额外的权重，在网络图中创建循环，以维持内部状态。向神经网络添加状态的承诺是，它们将能够显式地学习和利用上下文 [...]
深度学习中 Adam 优化算法的温和介绍
为深度学习模型选择优化算法，可能意味着在几分钟、几小时和几天内获得良好结果的区别。Adam 优化算法是随机梯度下降的扩展，最近在计算机视觉和自然语言处理的深度学习应用中得到了更广泛的应用。在这篇文章中，你将 [...]
长短期记忆循环神经网络中的注意力机制
编码器-解码器架构之所以流行，是因为它在各种领域都取得了最先进的结果。该架构的一个限制是它将输入序列编码为固定长度的内部表示。这限制了可以合理学习的输入序列的长度，并导致对于非常 [...]
如何在 Keras 中为截断 BPTT 准备序列预测
循环神经网络能够学习序列预测问题中跨多个时间步的时间依赖性。现代循环神经网络（如长短期记忆网络，即 LSTM）使用一种称为随时间反向传播的变体进行训练。该算法已针对序列预测问题的效率进行了进一步修改 [...]
处理 LSTM 中超长序列的技术
长短期记忆或 LSTM 循环神经网络能够学习和记忆长序列输入。如果你的问题是每个输入都有一个输出，例如时间序列预测或文本翻译，LSTM 效果非常好。但是，当你有非常长的输入序列时，使用 LSTM 可能会很困难 [...]