51 序列模型【动手学深度学习v2】（笔记）

一、序列模型

1、什么是序列数据?数据是有时序结构的，比如电影的评价随时间变化变化

 2、还有更多的序列数据

3、在b发生的情况下，a也发生的概率

 4、反序：用未来的事情推测过去的事情，但有时在物理上是不可行的，因为时间上总是顺序发展的，但是RNN可以做到

 5、自回归模型，就是上个状态模型的输出当做下个状态模型的输入，进行迭代

 6、A: 马尔科夫假设，当前数据只跟前面某几个数据点相关

 7、B: 潜变量模型 潜变量ht

 8、总结

二、代码 

1、从第5个时刻开始，每个时刻的label是该时刻的x值，该时刻的输入是前4个时刻组成的一个整体向量。所以训练数据的输入共有996个4维数据，输入是996个值

2、样本是—T-tau是因为，再往前的样本的feature数不够吧

3、首先这里构建了一个1000*4的矩阵，每行是4个时刻，在这里沐神分别在每行存放了1234,2345等数据，可以看做是从5开始每个时刻的前四位

三、问答

1、tau是不是越大越好呢？并不是，根据数据量进行权衡

2、潜变量模型 隐马尔科夫模型