在不使用deep learning的情況下，預測批次性的產出數值
2021/01/03 下午 04:38
機器學習 A 咖共學計畫
林敬堯
觀看數：21
回答數：1
收藏數：0
我在工作上需要預測某台機台的產出數值，在一開始的時候只使用機台的參數建立模型(regression model) 後來發現，相同參數的不同批次的產出，結果也會不同(批次時間間格不一樣) 我想請教的是: 1. 如果不使用deep learning(RNN, LSTM)，我要怎麼把批次這個參數考慮進我的model裡面去 feature直接使用1,2,3,4...來表示第一次,第二次...? 還是比較新的數據給比較高的權重，比較舊的數據給比較低的權重? 2.未來有新的產出數據後，我要怎麼update我的model? 把新的數據加入後重新training，還是有其他比較有效率的方式 麻煩了，謝謝
回答列表
-
2021/01/05 下午 05:35李柏霆贊同數：1不贊同數：0留言數：3
1.如果批次背後受到時間這個參數所控制可以在模型中增加時間這個變量 2.可以採用 Incremental Learning的策略喔 相關介紹與實作 https://ithelp.ithome.com.tw/articles/10250600 https://stackoverflow.com/questions/54722861/is-it-possible-to-train-a-sklearn-model-eg-svm-incrementally 註:partial_fit這個方法的一般用在如果訓練集數據量非常大，一次不能全部載入內存的時候。這時我們可以把訓練集分成若干等分，重複調用partial_fit來一步步的學習訓練集，非常方便。