Keras 用跳跃(异常值)预测输出的最佳标准化技术和LSTM结构是什么?
我有一个时间序列预测案例,有十个特征(输入),只有一个输出。我使用22个时间步(特征的历史记录)来使用LSTM进行一步超前预测。另外,我应用Keras 用跳跃(异常值)预测输出的最佳标准化技术和LSTM结构是什么?,keras,time-series,lstm,normalization,forecasting,Keras,Time Series,Lstm,Normalization,Forecasting,我有一个时间序列预测案例,有十个特征(输入),只有一个输出。我使用22个时间步(特征的历史记录)来使用LSTM进行一步超前预测。另外,我应用MinMaxScaler进行输入规范化,但不规范输出。输出包含一些罕见的跳跃(例如20、50或大于100),但其他值介于0和~5之间(所有值均为正值)。在这种情况下,正确预测正常和异常输出非常重要,这样我就不想错过预测模型中的跳跃。我认为如果我使用MinMaxScaler作为输出,大多数值将接近于零,但其他值(异常值)将接近于一 规范化输出的最佳方法是什么
MinMaxScaler
进行输入规范化,但不规范输出。输出包含一些罕见的跳跃(例如20、50或大于100),但其他值介于0和~5之间(所有值均为正值)。在这种情况下,正确预测正常和异常输出非常重要,这样我就不想错过预测模型中的跳跃。我认为如果我使用MinMaxScaler
作为输出,大多数值将接近于零,但其他值(异常值)将接近于一
- 规范化输出的最佳方法是什么?我应该不正常化就离开吗
- 处理此问题的最佳LSTM结构是什么?(目前,我使用带有
的LSTM和带有relu
的密集层作为最后一层,因此我的输出将是正值)。我认为我应该为这种情况正确选择激活功能relu