原理
李宏毅老师讲RNN LSTM 视频
很好地讲述了lstm的原理。
timesteps理解
lstm的样本:样本数,时间步长,特征数量,在时间序列中如何转化?
对于多变量时间序列的预测,最后一段解释了。
y~y-1 y-2 y-3 x-1 x-2 x-3
假定样本数600,一个因变量,6个自变量(yx的滞后项)
那么,可以这样写:
(600,1,6):timesteps为1,不进行记忆的传递,特征数为6.
(600,6,1):timesteps为6,只有一个特征,但是记忆传递6次
(600,3,2):2个特征,滞后3次:注意在r转化矩阵时,要检验得到的矩阵是否准确
这取决于我们的自变量特征上下文是否有联系。