使用神经网络的多元时间序列回归

Question

我有一个数据集，其中 X 是 760（不同 id/个体）x 300000（电生理时间序列数据）x 15（不同通道数）的三维矩阵。我有一个连续的数字 y，它对每个人都是唯一的（N=760）。我必须从 X 预测 y （显然......）。

我想为此目的使用深度神经网络，但我在选择正确的模型时有点迷失了方向。 RNN/LSTM 可能很好，但它只是用于预测时间序列本身而不是回归。我不确定卷积神经网络是否可以检测到时间变化（将 X 重塑为 760x4500000 矩阵）。

您能否为此提出一些有效的方法？

Answer 1

您可以选择 CNN 或 LSTM。

CNNs 实际上可以用于时间序列分析，并且可能提供比预期更好的结果。

我在下面提供一个示例，说明如何将卷积应用于时间序列。

另一种方法是使用 LSTM/GRU。我不在这里添加描述，因为与 1D CNN 相比，它们在互联网上的描述要好得多。

这里需要注意两点：

1. （CNN 和 LSTM）都可以用于分类目的。
2. 由于具有多变量回归，因此使用神经网络将是最佳选择。