Kann MXNET ein Regressions-LSTM-Modell in R anpassen?

Question

Ich würde gerne ein LSTM-Modell mit MXNET in R für den Zweck der Vorhersage einer kontinuierlichen Antwort (d. H. Regression) mit mehreren kontinuierlichen Prädiktoren passen. Die Funktion mx.lstm() scheint jedoch auf NLP ausgerichtet zu sein, da sie Argumente benötigt, die für ein Regressionsproblem nicht geeignet erscheinen (z. B. im Zusammenhang mit der Einbettung).

Ist MXNET für diese Art der Modellierung geeignet und, wenn nicht, was ist ein Beispiel für ein geeignetes Werkzeug (vorzugsweise in R)? Gibt es Tutorials, die für das von mir beschriebene Problem relevant sind?

Answer 1

LSTM wird für die Arbeit mit temporalen Daten verwendet: Text, Sprache, Zeitreihe. Wenn Sie eine kontinuierliche Antwort vorhersagen wollen, dann gehe ich davon aus, dass Sie etwas Ähnliches wie die Zeitreihenanalyse machen wollen.

Wenn meine Annahme richtig ist, dann schauen Sie bitte here. Es gibt ein ziemlich gutes Beispiel dafür, wie man MxNet mit R für Zeitreihen auf der CPU verwendet. Die GPU-Version ist auch verfügbar here.