У меня есть проблема классификации временных рядов, когда я использую набор данных с точкой данных 2000 года. Каждая точка данных имеет 4 временных ряда длиной 25.
Я использую следующую модель LSTM для этого набора данных.
model = Sequential()
model.add(LSTM(10, input_shape=(25,4)))
model.add(Dense(32))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
Приведенная выше модель дала мне действительно плохие результаты (почти 0,3),Это очень расстраивает, и теперь я ищу способы улучшить свои результаты.
Я думаю, что проблема заключается в количестве узлов, которые я использую в каждом слое (то есть 10 и 32 соответственно). У меня вопрос, есть ли способ определить, сколько узлов нам нужно в каждом слое? Кроме того, достаточно ли иметь один LSTM слой и один Dense слой? Как вы думаете, я могу улучшить эти слои?
Я с удовольствием предоставлю более подробную информацию, если это необходимо.