Как лучше всего реализовать LSTM модель многомерного ряда?
Для одной крупной компании требуется написать нейронную сеть предсказывающая сколько товаров купит определенный дистрибьютор. Каждый месяц дистрибьютор присылает данные: сколько товара осталось на складе, сколько продал в течении месяца, средняя цена за товар и тд.
Дистрибьюторов работающих по такой схеме в районе 100 для каждого из них требуется написать предсказывающую спрос в будущем по каждой группе товаров. Можно ли с помощью одной нейросети LSTM сразу обучить на всех 100 дистр. предсказывать будущий спрос для одной группы товаров, если да то как? Или же лучше для каждого отдельно учить нейросеть и сохранять веса? В интернете
Ответы (1 шт):
Чудес не бывает. Даже в машинном обучении. Либо вы строите одну общую модель, используя все имеющиеся данные и она выдает вам результаты ее для всех ваших дистрибъюторов. Либо для каждого дистрибъютора используете свой обучающий набор и строите отдельные модели.
Единственное исключение, если вы можете предположить, что результаты дистрибъюторов как-то зависят, например, от того - в большом-маленьком городе он расположен, какая его форма собственности, количества сотрудников или еще от чего-то такого. Тогда такие параметры можно тоже использовать в качестве входа и строить единую модель. Хотя не уверен, что точность предсказания при этом повысится.
Впрочем, ничего страшного нет и в множественности моделей. Знаю случай, когда в подобной ситуации для каждого объекта предсказания строили по пять моделей разных классов а потом выбирали лучшую из них. Потом для каждого объекта мало того, что была собственная модель, так еще и разных классов.