这个问题有两个部分。假设我们正在查看产品在 $> 1000 美元的商店中的销售额 S。对于这 1000 家商店中的每家，我们都有 24 个月的记录数据。
- 我们希望能够预测 S_t <- f(S_{t-1})。我们可以为每个存储时间序列构建一个 RNN，计算测试 RMSE，然后在处理标准化值等之后取平均值。但问题是每个时间序列的样本很少。如果我们要将商店分成组（例如动态时间扭曲），那么我们是否可以创建一个文本情感挖掘的独白，就像在文本中两个句子由一个点分隔在这里我们将有两个由一个特殊符号分隔的时间序列（让我们说）。在这种情况下，我们将生成一个 RNN 模型
火车_1 | 火车_2 |...|火车_t
数据和预测
测试_1 | 测试_2 |...|测试_t
- 在此之后，我们希望将其设置为 S_t <- f(x_{t1},x_{t2},...,x_{tn}) 的面板数据问题。在那种情况下，我应该为每个 t 构建一个单独的神经网络，然后连接隐藏层从 t -> t+1 -> t+2 ....
我应该如何通过 Keras/Theano/Mxnet 等包来实现这些？任何帮助都会很棒！