使用输入的每个单独时间步长作为 RNN 中的特征答案

【问题标题】：Using each individual time step of the input as feature in a RNN使用输入的每个单独时间步长作为 RNN 中的特征
【发布时间】：2021-12-04 18:43:15
【问题描述】：

假设我想创建一个 RNN 模型，该模型将在给定过去 24 小时的情况下学习预测未来 24 小时。传统上，如果我想创建这样一个多步模型，我会输入一个时间序列（24 小时长），其中包含一个特征，例如温度。如果我将时间序列中 24 小时的每个时间步长视为一个单独的特征，这样我就有 24 个特征和一个输入来预测 24 个特征和一个输出。这样的模型会优于传统模型吗？

【问题讨论】：

标签： tensorflow machine-learning

【解决方案1】：

如果您总是有固定数量的输入（例如 24 小时的温度），那么不使用 RNN 而是使用传统的前馈结构可能是一个好方法。使用 RNN 的主要原因是它们可以处理可变长度的时间序列，因此对于所有需要此属性的应用程序来说，它们几乎是唯一的选择。在您的情况下，前馈架构可能会正常工作，但同时尝试两者应该不难。

【讨论】：