سلام خدمت دوستان عزیز
من خیلی تازه کارم و شبکه های عصبی و کلا هوش مصنوعی را فقط در حد تشخیص هرزنامه اون هم برای دانشگاه کار کردم ...
میخوام روی پیش بینی سری های زمانی کار کنم ... چیزی مثل پیش بینی قیمت طلا
مثلا برای همین قیمت طلا سابقه قیمتی را به ازای ۱۰ سال قبل در اختیار دارم. هر رکورد هم ۱۰ ویژگی مختلف داره که یکی از اون ها همین قیمت روز طلا هست.
توی آموزش های پیش بینی سری های زمانی با شبکه عصبی گفته بود که باید به هر رکورد چند ویژگی دیگه هم اضافه کنید با عنوان قیمت روز های قبل، مثلا یک ویژگی برای قیمت روز قبل، یک ویژگی برای قیمت دو روز قبل و به همین شکل تا تعداد روزی که مد نظرمون هست.
من میخوام مدلم تمام قیمت های یک سال گذشته را بدونه (حالا دلیلش مهم نیست)، یعنی باید به ازای هر روز یک فیلد به رکوردم اضافه کنم ؟؟! تازه من فقط قیمت روز قبل برام مهم نیست، هر ۱۰ ویژگی را میخوام مدل برای یک سال گذشته تحلیل کنه، خوب اینجوری که کلی فیلد باید به هر رکورد اضافه کنم... این راه درست هست ؟
نمیشه از یادگیری تقویتی برای پیش بینی سری های زمانی استفاده کرد ؟ توی حالت قبل خیلی از رکورد ها حذف میشه چون قراره هر رکورد اطلاعات یک سال گذشته را هم داشته باشه و درنتیجه یک سال آخر دیتاست را عملا نمیشه استفاده کرد، از طرفی هر روز که قیمت ها تغییر می کنه عملا یک رکورد جدید ایجاد میشه و باید هر روز مدل را مجدد train کنم (برای بهبود عملکرد مدل)...
حالا با این تفاسیر نمیشه از یادگیری تقویتی اسفاده کرد ؟ چون مدل باید هر روز خودش را بهبود بده. یک جورایی میخوام مدل حافظه داشته باشه و چیز هایی که قبلا یادگرفته را توی پیش بینیش دخیل کنه.
ببخشید اگر سوالم خیلی پیش پا افتاده هست.
ممنون