連續時間序列資料的模型訓練以及泛化性問題
2020/12/15 下午 11:44
機器學習 A 咖共學計畫
Yu-jhang Su
觀看數：19
回答數：1
收藏數：0
當訓練資料為連續時間序列資料時, 可能資料時間間隔很短(例如機台各感測器的連續輸出) 若要切割樣本時(train vs test), 雖然有打亂樣本, 但由於相近間的數據資料相似度高 容易讓model從training set就學到test set 模型容易over fitting, 導致後來在應用時, model泛化性不足 一般遇到這種情況會如何去處理???