问LSTM能处理非常密集的时间序列数据吗？

EN

这是一个很好的问题，我能理解为什么你没有找到很多解释，因为有很多教程涵盖了一些基本的概念和方面，而不一定是自定义问题。

1. 你有50个时间序列。但是，对于每个时间序列，数据的频率并不相同。如果要正确构造数据集，则必须对每个时间序列进行插值才能达到相同的样本数。
2. LSTM可以处理此类密集数据。神经网络既可以是一个分类问题，也可以是一个回归问题，神经网络可以适应这种情况，为了避免过度拟合(
3. 非常容易发生)，首先要考虑的是隐层数和每层单位数。通常，默认情况下人们倾向于使用256-512，因为在自然语言处理中，处理巨大的数据集是合适的。根据我的经验，对于简单的回归/分类问题，您不需要这么大的数字，它只会导致较小问题的过度拟合。

因此，考虑到(1)和(2)，从32单元的LSTM/GRU开始，然后是输出层。如果您看到您没有很好的结果，请添加另一个层(64前32秒)，然后再添加输出层。

诚然，每批的时间步骤是至关重要的。在这里无法确定这一点，您必须手动迭代它的值，看看什么会产生最好的结果。我假设您是通过滑动窗口方式创建数据集的；在到达批处理和划时代数据之前，请考虑此(窗口大小)也是一个要更改的超参数。