โครงข่ายประสาทเทียมไม่ใช่เวทมนต์ หากคุณปฏิบัติต่อพวกเขาเหมือนพวกเขาและเพียงแค่โยนข้อมูลไปที่พวกเขาโดยไม่คิดว่าคุณกำลังมีช่วงเวลาที่เลวร้าย
คุณต้องหยุดและถามตัวเองว่า "มิลลิวินาทีนับตั้งแต่ปี 1970 จะเป็นตัวทำนายเหตุการณ์ที่ฉันสนใจหรือไม่?" คำตอบที่คุณควรมาถึงในทันทีคือไม่ ทำไม? สำหรับทุกอินสแตนซ์ที่คุณสนใจ (เหตุการณ์ในอนาคตที่ผ่านมาเกิดขึ้นแล้ว) ตัวแปรเวลาจะใช้ค่าที่มากกว่าค่าใด ๆ ที่ตัวแปรเวลาจะใช้ในข้อมูลการฝึกอบรมของคุณ ตัวแปรดังกล่าวไม่น่าจะช่วยได้มาก ยิ่งแย่ไปกว่านั้นมันอาจทำให้เกิด overfitting (ปัญหาร้ายแรงสำหรับโมเดลที่ไม่ใช่เชิงเส้นที่ทรงพลังเช่นโครงข่ายประสาทเทียม) หากคุณไม่ระวัง
ตอนนี้สิ่งที่อาจสมเหตุสมผลคือตัวแปรเช่นสัปดาห์ของปีหรือเดือนที่สามารถช่วยให้คุณจำลองเอฟเฟกต์ตามฤดูกาลหรือรายปี ฉันทำงานเกี่ยวกับการทำนายโรคทางการเกษตรมาโดยที่จูเลียนในวันนั้นเป็นตัวแปรที่สำคัญมาก จากประสบการณ์นี้ฉันสงสัยว่าคุณจะดีกว่าในการเข้ารหัสตัวแปรประเภทนี้เป็นตัวแปรเด็ดขาดแทนที่จะเป็นเลขลำดับประสบการณ์ของคุณอาจจะมาก โปรดสังเกตว่าเดือนหรือสัปดาห์ของปีเป็นกิจกรรมที่ทำซ้ำได้ซึ่งมีแนวโน้มว่าจะเห็นหลายครั้งในข้อมูลการฝึกอบรมของคุณและเป็นไปได้ที่จะอธิบายว่าทำไมตัวแปรดังกล่าวอาจส่งผลกระทบต่อผลลัพธ์ทางการเงิน เปรียบเทียบสิ่งนี้กับมิลลิวินาทีนับตั้งแต่ปี 1970 ซึ่งเป็นมูลค่าเพิ่มที่น่าเบื่อหน่าย
สุดท้ายจากคำแถลงของคุณ "หรือให้เวลาที่ไม่จำเป็นตราบใดที่ฉันป้อนข้อมูลที่เหลือตามลำดับเวลา" ดูเหมือนคุณอาจไม่เข้าใจวิธีการทำงานของเครือข่ายประสาท ด้วยเครือข่ายนิวรัลไปข้างหน้าแบบมาตรฐานลำดับที่คุณป้อนเครือข่ายข้อมูลของคุณจะไม่ส่งผลกระทบต่อการคาดการณ์ คำสั่งซื้ออาจส่งผลกระทบต่อการฝึกอบรมหากคุณกำลังใช้การไล่ระดับสีแบบสุ่มหรือแบบย่อส่วน แต่นี่เป็นเพียงวิธีการฝึกอบรมแบบวนซ้ำ (ตรงข้ามกับชุด) หากคุณต้องการสร้างแบบจำลองการพึ่งพาชั่วคราวกับเครือข่ายประสาทคุณจะต้องใช้บางอย่างเช่นหน้าต่างบานเลื่อนหรือเครือข่ายประสาทที่เกิดขึ้นอีก