Lstm ni nzuri kwa mfululizo wa saa?
Lstm ni nzuri kwa mfululizo wa saa?

Video: Lstm ni nzuri kwa mfululizo wa saa?

Video: Lstm ni nzuri kwa mfululizo wa saa?
Video: Finance with Python! Portfolio Diversification and Risk 2024, Mei
Anonim

Kutumia LSTM kutabiri wakati - mfululizo . Sehemu ya RNN ( Sehemu za LSTM ) ni wazuri nzuri katika kutoa ruwaza katika nafasi ya kipengele cha ingizo, ambapo data ya ingizo hupitia mfuatano mrefu. Kwa kuzingatia usanifu wa lango la Sehemu za LSTM ambayo ina uwezo huu wa kuendesha hali yake ya kumbukumbu, ni bora kwa shida kama hizo.

Vivyo hivyo, watu huuliza, safu ya saa ya Lstm ni nini?

LSTM (Mtandao wa Kumbukumbu ya Muda Mrefu wa Muda Mfupi) ni aina ya mtandao wa neva unaojirudia wenye uwezo wa kukumbuka maelezo ya awali na huku ukitabiri thamani za siku zijazo, huzingatia maelezo haya ya awali. Inatosha ya utangulizi, tuone jinsi gani LSTM inaweza kutumika kwa mfululizo wa wakati uchambuzi.

Baadaye, swali ni, Lstm ni nzuri kwa nini? Kumbukumbu ya muda mfupi ( LSTM ) ni mtandao bandia wa kawaida wa neva ( RNN ) usanifu unaotumika katika uwanja wa kujifunza kwa kina. LSTM mitandao inafaa kwa kuainisha, kuchakata na kufanya utabiri kulingana na data ya mfululizo wa muda, kwa kuwa kunaweza kuwa na lags ya muda usiojulikana kati ya matukio muhimu katika mfululizo wa wakati.

Je, Lstm ni bora kuliko Arima?

ARIMA mavuno bora matokeo katika utabiri wa muda mfupi, ambapo LSTM mavuno bora matokeo ya uundaji wa muda mrefu. Idadi ya nyakati za mafunzo, inayojulikana kama "epoch" katika kujifunza kwa kina, haina athari kwa utendaji wa modeli ya utabiri iliyofunzwa na inaonyesha tabia isiyo ya kawaida.

Lstm inatabiri vipi?

fainali LSTM model ni moja unayotumia kutengeneza utabiri kwenye data mpya. Hiyo ni, kutokana na mifano mpya ya data ya pembejeo, unataka kutumia mfano tabiri matokeo yanayotarajiwa. Hii inaweza kuwa uainishaji (wape lebo) au rejista (thamani halisi).

Ilipendekeza: