我希望在Tensorflow中实现一些LSTM模型。我认为我已经相当理解这些教程了。在这些教程中,输入数据以单词形式给出,并嵌入到一个连续的向量空间中(具有几个优点)。 现在我想做一个LSTM来预测一系列连续数字,但不知道最佳方法是什么。 我应该将输入范围离散化,因此有效地获得一个分类问题,并使用之前描述的嵌入,还是坚持连续数字并进行回归?在这种情况下,每个时间步骤我只传递一个特征到模型中,即连续数字?
我希望在Tensorflow中实现一些LSTM模型。我认为我已经相当理解这些教程了。在这些教程中,输入数据以单词形式给出,并嵌入到一个连续的向量空间中(具有几个优点)。 现在我想做一个LSTM来预测一系列连续数字,但不知道最佳方法是什么。 我应该将输入范围离散化,因此有效地获得一个分类问题,并使用之前描述的嵌入,还是坚持连续数字并进行回归?在这种情况下,每个时间步骤我只传递一个特征到模型中,即连续数字?
这里有两个例子,你可能会觉得有帮助。
https://github.com/MorvanZhou/tutorials/blob/master/tensorflowTUT/tf20_RNN2.2/full_code.py
http://mourafiq.com/2016/05/15/predicting-sequences-using-rnn-in-tensorflow.html
你可以使用回归。但是,如果你的输入长度非常长,你需要修复大小序列。