就是那3个字： No Free Lunch 你的问题说简单也简单，说困难也难 知道答案的人不会轻易告诉你 因为知识是有价的，而且非常昂贵 你的问题说穿了就是： 「我现在手上有一堆资料，但是我不知道资料之间的关系是什麽」 而事实上你的资料之间的关连，可能是任一种 虽然资料原本被纪录的方式是按照时间顺序记下的 但是这并不代表资料彼此之间在时间轴上就有因果关系 假设你已经知道过去10期的乐透开奖号码 --> 所以代表有可能预测下一期的开奖号码？ 你觉得这逻辑听起来怎麽样？ CNN是否能够预测出来呢？如果CNN不行那RNN呢？ 网路架构那麽多种你要每种都试一下吗？ 我随便都可以推荐你100种喔 我相信可能会有不服气的乡民跳出来说「股价变化跟乐透又不一样，你怎知道不行」 不服气的人要不要证明看看，「股价的非随机性」有多少 而这些「非随机」的成分，在扣掉各种成本之後又可以让你有多少利润空间呢 动动脑，有益身心健康～ ㄎㄎㄎ～ ※ 引述《avonasac0800 (Adolph)》之铭言： : 作业系统: Win 10 : 问题类别: RNN/CNN : 使用工具: Python3.6 + Keras/TensorFlow : 问题内容: : 各位大大晚安, : 小弟想请教, 如果我的资料如下所示(共1,000笔, 只是示意): : index date value : 0 20190101 5.1 : 1 20190102 6.6 : 2 20190103 4.8 : 3 20190104 2.7 : ... ... ... : ... ... ... : 999 2021xxxx 12 : 而我要以过去20天的资料预测第21天的数值, 如: : INDEX X Y : 0 [x0, x1, x2... x19] x20 : 1 [x1, x2, x3... x20] x21 : ... ... ... : ... ... ... : 979 [x979, x980... x998] x999 : 假设我要拿总资料的80%来当作训练集, : 请问我可以将INDEX打乱後再拿里面的80%出来吗? : 或者非得拿INDEX[0:784]当作训练集呢? : 若打乱後再加以训练, : 其测试集(test)的MAE可以比未打乱的MAE少50%, : 所以才有这样的疑问, : 我在书上及网路上看到的时间序列模型都是以INDEX[0:784]作为训练集, : 但它们都没有提及原因, : 只有一个人说到"你总不会想拿那麽远的资料做测试吧". : 如果我就是想这样建模型, 请问会有甚麽潜在的问题吗? : 请各位大大不吝赐教, 谢谢orz --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 61.231.190.159 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/DataScience/M.1555113734.A.5DA.html