회귀 수치 예측 문제 1D CNN에 시계열 데이터 넣어서 딥러닝 모델 만들고 있는데, 예측 MAE 값이 12가 넘음(선행 연구는 5 정도), 즉 학습이 거의 안되는 상태. 데이터 N수는 트레이닝 데이터가 309개인데 혹시 잘 아는 분 있으신가요ㅠㅠ 일주일 째 막히네요
선행연구: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8645593/ ( 입력 데이터는 다르긴 한데 데이터 수가 비슷하다는 점만 참고해주세요)
이건 제가 만든 모델이고 입력 트레이닝 데이터 쉐잎은 (309, 249, 12) 입니다. 309:샘플 수, 249: 각 샘플당 시계열 데이터 수, 12: 샘플당 특성 수
그런 정보만으론 ㅁ?ㄹ 차라리 원논문 뭔지 이야기하고 가라임? 물어보는게 현실적일수도? 일단 대충 보기엔 시계열이고 CNN 계열로 할거면 TCN 안한 이유 있음? 데이터도 좀 적어보여서 모델 상관 없음 차라리 커널방법론이 더 낫겠다는 생각도 들고
가라임이 뭔말인가요??
TCN 안한 이유는 연구방향이 1D-CNN으로 정해져 있어서 그렇습니다
거짓말로 작성한거란 뜻임 ㅋㅋㅋ
그니까 1D-CNN인데 왜 TCN을 안했냐고 ㅋㅋㅋ TCN도 CNN임 ㅋㅋㅋ
제가 경험이 아직 많이 없어서 그런데 모델 코드 함 봐주실 수 있나요??
패딩은 안해도 되는거고 커널은 1로 해도되는거임? 인풋 셰이프를 (249, 12)로 줘야 할 이유가 있나? 조금 의미불명인데
그리고 선행연구랑 아예 다른거라면서 왜 걔랑 MAE를 비교하고 있냐?
완전히 같은 선행연구는 찾지를 못해서 얘가 제일 포맷이 비슷한걸로 생각했어요. 인풋 쉐이프가 249, 12 인 이유는 ECG 데이터인데 이게 심전도에서 리드가 총 12개잖아요. 샘플마다 각 리드에서의 시계열 데이터(249개)를 모두(총 12개) 모은 거에요.
아니... 뭐가 목적인건데 내가 심전도 이쪽은 모르겠는데 어쨌건 심전도 시계열 데이터를 예측하는게 목적 아님?
아님 타겟 데이터가 또 따로 있는건가?
무지성으로 때려박는게 아니라 일단 목적에 맞게 데이터를 전처리하는게 먼저일거 같고 CNN만 쓰는게 아니라 마지막에 RNN 계열 하나 더 얹어봐라 무조건 CNN만 쓰겠다면 TCN으로 가고 TCN은 별개 아니라 그냥 패딩을 전부 앞쪽으로 몰아버리는거임 일단 그정도 반영해보고 안되면 다시 와보자 ㅋㅋㅋ
감사합니다
커널 사이즈 1이면 대체 cnn 왜쓰는거임?
시계열에선 임베딩 때문에 첫레이어로 channel wise conv 흔하게 쓰지안음?
1x1 conv 나 dnn 이나 똑같이 작동하기도 하고
맥스풀링 최대한 빼고 해봐요 - dc App