2
該問題有2個部分。假設我們正在查看銷售額超過1000美元以上的商品的銷售額。對於這1000家商店中的每一家,我們都有24個月的記錄數據。用於面板數據的經常性神經網絡
- 我們希望能夠預測S_t < -f(S_ {t-1})。我們可以爲每個存儲時間序列建立一個RNN,計算測試RMSE,然後在考慮標準化值之後取平均值等。但問題是每個時間序列的樣本數很少。如果我們要將商店分成組(比如說動態時間翹曲),那麼我們可以創建一個文本情感挖掘的獨白,在文本中兩個句子之間用點分隔,這裏我們將有兩個時間系列用特殊符號分隔(讓我們說)。在這種情況下,我們將生成一個RNN模型
Train_1 | Train_2t | | Train_t
數據和預測
Test_1 | Test_t
- 之後,我們希望將其設置爲面板數據問題,其中S_t <-f(x_ {t1},x_ {t2} ,...,X_ {} TN)。在這種情況下,我應該爲每個t建立一個單獨的神經網絡,然後連接t - > t + 1 - > t + 2的隱藏層....
我應該如何通過Keras/Theano/Mxnet等?任何幫助將是偉大的!