Statistics 使用最大似然估计（MLE）训练LSTM/RNN
我正在尝试使用LSTM和RNN进行时间序列预测任务。我的目标是训练模型输入128个时间步长的序列[x_1，x_2，…，x_128]，以预测结果x_129（回归任务） 我试过MSE和平均绝对误差损失，现在我要用MLE估计。我想知道这是否可以通过一个简单的损失函数实现，或者在这两者之间应该有任何步骤？我读过的所有基于MLE的模型都用于最大化给定数据集的每个类的概率，这似乎更适合于分类任务 非常感谢您的帮助：DStatistics 使用最大似然估计（MLE）训练LSTM/RNN,statistics,pytorch,lstm,recurrent-neural-network,forecasting,Statistics,Pytorch,Lstm,Recurrent Neural Network,Forecasting,我正在尝试使用LSTM和RNN进行时间序列预测任务。我的目标是训练模型输入128个时间步长的序列[x_1，x_2，…，x_128]，以预测结果x_129（回归任务） 我试过MSE和平均绝对误差损失，现在我要用MLE估计。我想知道这是否可以通过一个简单的损失函数实现，或者在这两者之间应该有任何步骤？我读过的所有基于MLE的模型都用于最大化给定数据集的每个类的概率，这似乎更适合于分类任务 非常感谢您的帮助：D