MachineLearningMastery.com
·
时间序列中的Transformer与LSTM：哪种效果更好？
💡
原文英文，约2200词，阅读约需8分钟。
📝
内容提要
本文探讨了使用LSTM和Transformer模型进行单变量时间序列预测。通过分析芝加哥公共交通数据，展示了数据预处理、模型训练和评估的过程。结果表明，两种模型的预测性能相似，Transformer略优。建议尝试不同数据集以观察模型表现的差异。
🎯
关键要点
- 本文探讨了使用LSTM和Transformer模型进行单变量时间序列预测。
- 使用芝加哥公共交通数据进行数据预处理、模型训练和评估。
- 目标是比较LSTM和Transformer在时间序列预测中的表现。
- 数据集包含2001年以来的芝加哥公共交通乘客日记录。
- 过滤掉2020年1月1日以后的数据以避免后COVID影响。
- 将时间序列数据分为训练集和测试集，前80%为训练，后20%为测试。
- 将原始时间序列转换为带标签的序列以适应神经网络训练。
- 使用PyTorch库构建LSTM和Transformer模型。
- 训练模型并使用均方根误差(RMSE)和平均绝对误差(MAE)评估性能。
- LSTM和Transformer的预测性能相似，Transformer略优。
- 建议尝试不同数据集以观察模型表现的差异。
🏷️
标签
➡️
