Keras 改进我的LSTM自动编码器的可能平滑技术
我得到了一系列的值，我的目标是使用自动编码器来识别模式。 该系列包括一个可识别的高度波动数据周期，周期不同 使用Python、Keras 我的LSTM自动编码器能够预测模式到大约0.1的漩涡。查看预测值（橙色），我注意到，虽然它能够在一定程度上准确预测模式，但它往往低估了波动的确切幅度Keras 改进我的LSTM自动编码器的可能平滑技术,keras,lstm,autoencoder,Keras,Lstm,Autoencoder,我得到了一系列的值，我的目标是使用自动编码器来识别模式。 该系列包括一个可识别的高度波动数据周期，周期不同 使用Python、Keras 我的LSTM自动编码器能够预测模式到大约0.1的漩涡。查看预测值（橙色），我注意到，虽然它能够在一定程度上准确预测模式，但它往往低估了波动的确切幅度 T建议在将数据馈送到自动编码器之前考虑平滑。我曾尝试在数据集上使用savgol_过滤器（x，5，3），但说实话，我不确定我选择的窗口和多项式次数是否合适。（请记住，除了给出的数值之外，我没有更多的信息） 有没
T建议在将数据馈送到自动编码器之前考虑平滑。我曾尝试在数据集上使用savgol_过滤器（x，5，3），但说实话，我不确定我选择的窗口和多项式次数是否合适。（请记住，除了给出的数值之外，我没有更多的信息）
有没有更好的选择窗口大小和多项式次数的方法？（每个周期的大小约为数千个点）。我是否正确地应用了SavGryFor过滤器，或者我应该考虑另一种平滑方法吗？< /P> 谢谢你的阅读