在神经网络中使用不同输入维度的测试数据
6次浏览(最近30天)
显示旧的评论
你好!
我在研究基于神经网络的时间序列预测。我有一个输入数据集(153*8640)，其中150行代表我的原始数据，其余3行是额外的功能(添加到我的数据集，以提高预测性能)。目标数据为(150 * 8640)，T = X(1:150, 2:end)。
我已经将我的数据分为70%的训练，15%的val和15%的测试数据集，使用“分规”。但问题是关于测试数据集必须是唯一的，不包含额外的功能(3额外行)作为新的输入数据!所以:
1)如何分离测试数据?
2)测试数据集不能包含额外的特征作为新的输入到相同训练的net1，这是对的吗?
3)测试数据需要有一个目标数据集，或者我们只需要预测ytest从:ytest = net1(Xtest) ?或者我们必须在这个测试数据集(Xtest)上再次训练'net1':
[net2, trtest] = train(net1, xtest, test, xitest, aitest) ?如果是，如何确定“xitest”和“aitest”?
我尝试直接从“ytest = net1(Xtest)”中预测ytest，使用15%的输入数据，其中我只取(150行)，但是，可以肯定的是，net1不接受不同的输入维度(不同的输入行数150 =/= 153)!!
4)使用“输入测试数据”来测试我们的网络是否正确?该数据由包含额外特性的所有行和15%的原始数据列组成?
拜托!帮我找到解决办法
0评论
答案(0)
翻译的
你也可以从以下列表中选择一个网站: