Machine learning 截断LSTM网络中的旧数据点？_Machine Learning_Keras_Lstm

Machine learning 截断LSTM网络中的旧数据点？

machine-learning keras

Machine learning 截断LSTM网络中的旧数据点？,machine-learning,keras,lstm,Machine Learning,Keras,Lstm,为了训练LSTM网络，我将一个时间序列转化为一个有监督的学习问题，并且我继续向我的训练集中添加新的数据点。然而，随着时间序列越来越长，训练我的网络在计算上变得越来越昂贵。是否有一种技术可以截断可能对预测未来没有重大影响的旧数据点？有文献支持这样的概念吗？您可以简单地使用一段数据：slicedX=X[：，-50:]，如果您有长度为Y的数据：slicedY=Y[：，-50: 在示例中，我使用了包含最后50个时间步的长度正确的时间步数是多少？答案在于你自己的数据。只有通过实验才能知道网络需要多少步

为了训练LSTM网络，我将一个时间序列转化为一个有监督的学习问题，并且我继续向我的训练集中添加新的数据点。然而，随着时间序列越来越长，训练我的网络在计算上变得越来越昂贵。是否有一种技术可以截断可能对预测未来没有重大影响的旧数据点？有文献支持这样的概念吗？

您可以简单地使用一段数据：

slicedX=X[：，-50:]

，如果您有长度为Y的数据：

slicedY=Y[：，-50:

在示例中，我使用了包含最后50个时间步的长度

正确的时间步数是多少？答案在于你自己的数据。只有通过实验才能知道网络需要多少步才能达到令人满意的效果