使用LSTM RNN混洗训练数据
使用LSTM RNN混洗训练数据
提问于 2017-06-28 04:04:33
既然LSTM RNN使用以前的事件来预测当前序列，为什么我们要打乱训练数据？难道我们不会丢失训练数据的时间顺序吗？在对混洗后的训练数据进行训练后，它如何仍然有效地进行预测？
回答 1
Stack Overflow用户
回答已采纳
发布于 2017-06-28 04:29:09
通常，当您打乱训练数据(一组序列)时，您打乱了序列馈送到RNN的顺序，而不是打乱单个序列的排序。当您的网络是无状态的时，这是很好的做法：
无状态情况：
网络的记忆仅在序列的持续时间内持续存在。在序列A之前对序列B进行训练并不重要，因为网络的记忆状态不会跨序列持久存在。
另一方面：
状态案例：
网络的记忆跨序列持续存在。在这里，您不能盲目地混洗数据并期望获得最佳结果。序列A应该在序列B之前提供给网络，因为A在B之前，我们希望网络使用序列A中的记忆来评估序列B。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/44788946
复制相关文章
相似问题
腾讯云开发者
