传递到Conv1d层的特性可以随机化吗？
传递到Conv1d层的特性可以随机化吗？
提问于 2020-06-19 06:29:43
如果输入时间序列数据形状为X.shape = (batch_size，50，5)，这意味着数据具有5个“特性”，每个特性都有50个时间步骤。将这样的数据传递到Conv1d层是否意味着这5个特征之间存在某种空间关系，比如图像中的像素与周围像素的关系比更远的像素更密切呢？在处理这样的时间序列数据时，有什么方法可以消除这种特性关系吗？就像这样，即使特征的顺序是随机的，网络仍然会从每个特征的一维空间中看到的模式中学习？
回答 1
Data Science用户
发布于 2020-06-19 07:30:05
通常，在时间序列的Conv1D层中，特征可以是在同一时间段内采取的或记录的不同的测量。这样他们就可以互相联系了。例如，如果您试图在下面预测time=4，那么问题是您的特性、meas1和meas2之间是否存在某种关系？如果是这样的话，您希望将这些特性保持在一起，以获得更好的结果。
| time | meas1 | meas2 |
|------|-------|-------|
| 1 | 4 | 6 |
| 2 | 3 | 7 |
| 3 | 2 | 8 |
| 4 | ? | ? | 您可以查看数据集中的互相关以回答此问题。因为这是时间序列数据，所以可以使用Pearson的相关性。
页面原文内容由Data Science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://datascience.stackexchange.com/questions/76270
复制相关文章
相似问题
腾讯云开发者
