Этот вопрос состоит из двух частей. Предположим, мы смотрим на продажи S продукта в магазинах стоимостью более 1000 $, в которых он продается. Для каждого из этих 1000 магазинов у нас есть данные за 24 месяца.
- Мы хотим иметь возможность предсказывать S_t ‹- f (S_ {t-1}). Мы могли бы построить RNN для каждого временного ряда магазина, вычислить тестовое RMSE, а затем взять среднее значение после нормализации значений и т. Д. Но проблема в том, что существует очень мало выборок для каждого временного ряда. Если бы мы разбили хранилища на группы (скажем, с помощью динамического искажения времени), то могли бы мы создать монолог анализа тональности текста, где, как и в тексте, два предложения разделены точкой, здесь у нас будет два временных ряда, разделенных специальным символом (давайте сказать). В этом случае мы бы сгенерировали модель RNN на
Train_1 | Поезд_2 | ... | Поезд_т
данные и прогнозировать
Test_1 | Test_2 | ... | Test_t
- После этого мы хотели бы настроить это как проблему данных панели, где S_t ‹- f (x_ {t1}, x_ {t2}, ..., x_ {tn}). В этом случае я должен построить отдельную нейронную сеть для каждого t, а затем соединить скрытые слои от t -> t + 1 -> t + 2 ....
Как мне реализовать это с помощью таких пакетов, как Keras / Theano / Mxnet и т. Д.? Любая помощь была бы замечательной!