问题描述
我正在训练一个时间序列二元分类模型。数据集由多个不同的时间序列（测量相同的数据）组成，并连接在一起。因此，例如，前 200 个数据点可能与一个对象的数据相关，接下来的 300 个数据点与同一测量但与不同对象相关（因此两个系列之间的过渡可能存在跳跃或下降） ）。但是，每个系列的标签都是一致的。所以前 200 个点要么全部标记为 0，要么全部标记为 1。如何在这些数据上使用 LSTM？我首先应该如何准备数据集？
我目前的方法是创建整个数据集的序列，并训练 LSTM，但是，精度和召回率实际上并不比抛硬币好 (~50%)。到目前为止，我的想法是，目前设置数据集的方式对于 LSTM 来说并不是非常直观。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）