Question

我有大约1000个节点数据集，其中每个节点都有4个时间序列。每个时间序列的长度正好为6个长度。标签为0或1（即二进制分类）。

更准确地说，我的数据集如下所示。

public function getAllData()
{

    $data = $this->model_app->getRincian();
    foreach ($data as $key => $value) {
        for ($i=0; $i <= count($value); $i++) { 
            $key = $value['TANGGAL_PENARIKAN'];
        }
        $key = DateTime::createFromFormat("j-M-y", $key);
        print_r(json_encode($key->getTimestamp()));
    }
}

我目前正在使用下面提到的LSTM模型进行分类。

node, time-series1, time_series2, time_series_3, time_series4, Label
n1, [1.2, 2.5, 3.7, 4.2, 5.6, 8.8], [6.2, 5.5, 4.7, 3.2, 2.6, 1.8], …, 1
n2, [5.2, 4.5, 3.7, 2.2, 1.6, 0.8], [8.2, 7.5, 6.7, 5.2, 4.6, 1.8], …, 0
and so on.

我对keras和深度学习并不陌生。这就是为什么我使用上面提到的简单LSTM模型。但是，当我将其用于数据集时，它的准确度约为50％。

我希望我的结果是不好的，因为我正在使用最基本的LSTM模型。在那种情况下，我想改进当前模型以获得更好的结果。

注意：我不仅限于LSTM，而且很高兴探索适合我的数据集的其他合适模型。

很高兴在需要时提供更多详细信息。

如何在python中改进LSTM模型

0 个答案: