处理给定时间范围内某些数据点为0时的百分比变化的最佳实践?

我有一个数据集,其中一些数据点为0,我试图处理它,使每个数据点变成与前一个数据点的百分比变化。问题是这些点中的一些值为0,因此有时从前一个数据点0计算百分比变化会导致当前数据点等于无穷大。

处理百分比变化是否有更好的方法,还是让循环神经网络使用无穷大作为其某些数据点是可以的?

我将这些数据输入到由Keras支持的循环神经网络中。


回答:

这是在机器学习中一个经典的问题。在处理此类问题时,你需要应用所谓的平滑处理,通常是在分母上加上一个小的常数eps。所以你需要应用以下转换:

ration = next_step / (eps + small_step)

我建议你将eps设置为大于1e5,因为1e6keras中使用的float32格式的十进制点精度。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注