R 深度学习/神经网络：输入变量的预分组？

我有一个数据集，比如说100个输入变量，包含1000个样本。每个变量代表不同时间的产品价格

1） 我有不同时间的时间戳。我怎样才能利用它们

2） 我对这100个输入变量中的每一个都有额外的信息，例如，它是“卖出”还是“买入”价格。同样的问题是如何使用这些信息

让我们假设，对于100个“输入变量”中的每一个，我实际上有三个信息（“价格”本身、“时间戳”和“卖出/买入”）。如果我只是使用所有信息“彼此相邻”，这意味着有300个输入变量，这些额外的信息不会被使用，因为它是常量

有没有办法，我可以有一个第一个输入层，在那里总是有三个变量导致100个输入变量中的一个，然后我可以用它作为“普通”神经网络的输入

问候,，

---

Lukas

您一定要使用时间戳来适当缩放信息。当数据的时间范围变化很大时（产品1在所有100个数据点上只有10秒，但产品2有20周），网络将变得越来越不可用，因为它依赖于所有样本中具有相同含义的每个输入。也许你应该为每个产品创建一个相同长度的固定时间间隔数组，在实际数据点之间进行插值。你肯定应该使用时间戳来适当地缩放信息。当数据的时间范围变化很大时（产品1在所有100个数据点上只有10秒，但产品2有20周），网络将变得越来越不可用，因为它依赖于所有样本中具有相同含义的每个输入。也许您应该为每个产品创建一个相同长度的固定时间间隔数组，在实际数据点之间进行插值。