我正在对具有24个要素的多元时间序列数据集运行LSTM模型。我使用几种不同的方法（方差测试，随机森林提取和Extra Tree Classifier）进行了特征提取。不同的方法产生的特征子集略有不同。现在，我想在所有子集上测试我的LSTM模型，以查看哪种模型可以提供最佳结果。
我的问题是我的3个模型的测试/训练RMSE分数都非常相似，并且每次运行模型时，我都会得到略有不同的答案。这个问题来自一个天真的人，仍然在学习神经网络的复杂性，所以请帮助我理解：在这种情况下，如何确定最佳模型？可以为神经网络播种吗？还是在一定数量的试验中求平均值？
答案 0 :(得分：1)
由于您已经提到使用不同的特征提取方法，因此您得到的特征集仅略有不同，因此结果也相似。同样，由于您的LSTM模型也将获得几乎相似的RMSE值，因此这些模型能够很好地泛化并进行相似的学习，并从所有数据集中提取重要信息。
最佳模型取决于您的未来数据，不同方法的计算时间和负载以及它们在生产中的持续效果。在神经网络中，设置种子并不是一个好主意。基本思想是，无论模型如何开始，模型都应能够达到最佳权重。如果您的模型总是得到相似的结果，那么在大多数情况下，这是一件好事。