如果我想訓練一個 lstm 來預測一系列日期中的下一個日期，我該怎么做，因為 lstm 需要一個縮放值？
資料示例：
| 日期 | 下一次約會 |
|---|---|
| 2012-05-12 | 2012-05-13 |
| 2012-05-13 | 2012-05-19 |
| 2012-05-19 | 2012-05-20 |
| 2012-05-20 | 2012-05-22 |
| 2012-05-22 | 2012-05-26 |
| 2012-05-26 | 2012-05-27 |
| 2012-05-27 | 2012-05-30 |
| 2012-05-30 | 2012-06-12 |
| 2012-06-12 | 2012-05-19 |
| 2012-06-19 | 2012-06-25 |
uj5u.com熱心網友回復：
您可以將日期拆分為三個輸入：一個是年，另一個是月，最后是一天。雖然標準化您的輸入肯定是有道理的，但是我不完全同意您的“LSTM 要求”。
日和月已經被限制在可以縮放的值范圍內
- 天 (1 - 31)
- 月 (1 - 12)
對于一年，您需要根據您的應用程式做出有根據的假設。因此，該年??份也可以轉換為縮放值。從你的資料來看，那一年可能是2012年不變，一開始就不需要。
- 年份 (2012 - 2013(?))
注意：問問自己是否給神經網路提供了足夠的系統資訊來預測下一個日期——也就是說，你的資料中是否已經有足夠的模式？否則，您最終可能會訓練一個隨機預測器。
轉載請註明出處，本文鏈接：https://www.uj5u.com/qiye/381665.html