如何标准化/标准化神经网络的时间输入?

时间:2019-12-13 09:37:59

标签: input neural-network aforge

我正在使用AForge构建神经元网络。

但是我很难定义我的输入参数。在我的训练数据中,一个输入值是事件发生的时间。

据我所知,输入值应该在-1和+1之间?

我想不出最好的方法是标准化/标准化时间值。

一种方法是选择一个最小值和一个最大值。最小值为-1,最大值为1。但是,对于该时间范围以外的值,网络将停止工作,或者当时间范围较大时,输入之间的差异将很小。

我想将时间值分成几个输入值(例如分钟,小时,天,月,年),并将其用作多个输入,但这将问题仅移至“年”输入。

另一种方法是使用对数刻度。

有没有针对此的最佳实践,或者是我没有想到的可能性?

更新

输入内容包括:

  • 模块编号
  • 打开时间
  • 打开它的用户
  • ...

输出:

  • 接下来将打开likley的模块的模块号

1 个答案:

答案 0 :(得分:0)

您可以只使用时间步长。 您可能有类似这样的数据集:

12/13/2012 01:00,23,345,235,235,644,757,
12/13/2012 01:02,455,325,235578,23524,6413,757567,
12/13/2012 01:08,123,125,2375,23554,64123,75778,
...,
12/13/2019 07:33,244,245,231235,2158935,6567944,7567557 

您可以删除第一列:

23,345,235,235,644,757,
455,325,235578,23524,6413,757567,
123,125,2375,23554,64123,75778,
...,
244,245,231235,2158935,6567944,7567557

,然后直接处理您的数据。 查看本文https://machinelearningmastery.com/time-series-forecasting-supervised-learning/。希望对您有所帮助。