Проблема построения модели прогнозирования временных рядов, которая может обрабатывать различное количество функций - PullRequest
Новая
       35

Проблема построения модели прогнозирования временных рядов, которая может обрабатывать различное количество функций

0 голосов
/ 16 октября 2019

Я пытаюсь создать модель, которая может предсказать будущие результаты по большому количеству функций. Однако число функций изменяется от набора данных к набору данных в зависимости от того, что может быть записано, и у меня возникают проблемы с поиском способа заставить мою модель функционировать с наборами данных, которые отличаются по количеству функций, которые они имеют. Можно ли как-то обойти это, не прибегая к заполнению вектора объектов нулями и т. Д.?

Я не смог найти никаких примеров по этому поводу, но я попытался изменить входной размер на значение «нет» для объектов. который ничего не решил 

    model = Sequential()
    model.add(Conv1D(filters = 64, kernel_size = 3, activation = 'relu', 
    input_shape=(time_duration,None)))
    model.add(Conv1D(filters = 64, kernel_size = 3, activation = 'relu'))
    model.add(Dropout(0.5))
    model.add(MaxPooling1D(pool_size=3))
    model.add(Flatten())
    model.add(Dense(100, activation = 'relu'))
    model.add(Dense(no_classes,activation = 'softmax'))
...