Skip to content

ClustProject/KUDataClassification

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

18 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Time Series Classification

1. Without data representation

  • 원본 시계열 데이터를 입력으로 활용하는 time series classification에 대한 설명
  • 입력 데이터 형태 : (num_of_instance, input_dims, time_steps) 차원의 다변량 시계열 데이터(multivariate time-series data)

Time series classification 사용 시, 설정해야하는 값

  • model : ['LSTM', 'GRU', 'CNN_1D', 'LSTM_FCNs'] 중 선택

  • best_model_path : 학습 완료된 모델을 저장할 경로

  • 시계열 분류 모델 hyperparameter : 아래에 자세히 설명.

    • LSTM hyperparameter
    • GRU hyperparameter
    • 1D-CNN hyperparameter
    • LSTM_FCNs hyperparameter

시계열 분류 모델 hyperparameter

1. LSTM & GRU (w/o data representation)

  • input_size : 데이터의 변수 개수, int
  • num_classes : 분류할 class 개수, int
  • num_layers : recurrent layers의 수, int(default: 2, 범위: 1 이상)
  • hidden_size : hidden state의 차원, int(default: 64, 범위: 1 이상)
  • dropout : dropout 확률, float(default: 0.1, 범위: 0 이상 1 이하)
  • bidirectional : 모델의 양방향성 여부, bool(default: True)
  • num_epochs : 학습 epoch 횟수, int(default: 150, 범위: 1 이상)
  • batch_size : batch 크기, int(default: 64, 범위: 1 이상, 컴퓨터 사양에 적합하게 설정)
  • lr : learning rate, float(default: 0.0001, 범위: 0.1 이하)
  • device : 학습 환경, (default: 'cuda', ['cuda', 'cpu'] 중 선택)

2. 1D CNN (w/o data representation)

  • input_size : 데이터의 변수 개수, int
  • num_classes : 분류할 class 개수, int
  • seq_len : 데이터의 시간 길이, int
  • output_channels : convolution layer의 output channel, int(default: 64, 범위: 1 이상, 2의 지수로 설정 권장)
  • kernel_size : convolutional layer의 filter 크기, int(default: 3, 범위: 3 이상, 홀수로 설정 권장)
  • stride : convolution layer의 stride 크기, int(default: 1, 범위: 1 이상)
  • padding : padding 크기, int(default: 0, 범위: 0 이상)
  • dropout : dropout 확률, float(default: 0.1, 범위: 0 이상 1 이하)
  • num_epochs : 학습 epoch 횟수, int(default: 150, 범위: 1 이상)
  • batch_size : batch 크기, int(default: 64, 범위: 1 이상, 컴퓨터 사양에 적합하게 설정)
  • lr : learning rate, float(default: 0.0001, 범위: 0.1 이하)
  • device : 학습 환경, (default: 'cuda', ['cuda', 'cpu'] 중 선택)

3. LSTM-FCNs (w/o data representation)

  • input_size : 데이터의 변수 개수, int
  • num_classes : 분류할 class 개수, int
  • num_layers : recurrent layers의 수, int(default: 1, 범위: 1 이상)
  • lstm_drop_out : LSTM dropout 확률, float(default: 0.4, 범위: 0 이상 1 이하)
  • fc_drop_out : FC dropout 확률, float(default: 0.1, 범위: 0 이상 1 이하)
  • num_epochs : 학습 epoch 횟수, int(default: 150, 범위: 1 이상)
  • batch_size : batch 크기, int(default: 64, 범위: 1 이상, 컴퓨터 사양에 적합하게 설정)
  • lr : learning rate, float(default: 0.0001, 범위: 0.1 이하)
  • device : 학습 환경, (default: 'cuda', ['cuda', 'cpu'] 중 선택)



2. With data representation

  • 원본 시계열 데이터를 representation vector로 변환한 데이터를 입력으로 활용하는 time series classification에 대한 설명
  • 입력 데이터 형태 : (num_of_instance, embedding_dim) 차원의 다변량 시계열 데이터(multivariate time-series data)

Time series classification 사용 시, 설정해야하는 값

  • model : 'FC' 선택

  • best_model_path : 학습 완료된 모델을 저장할 경로

  • 시계열 분류 모델 hyperparameter : 아래에 자세히 설명.

    • FC hyperparameter

데이터 표상 분류 모델 hyperparameter

1. FC (w/ data representation)

  • input_size : 데이터의 변수 개수, int
  • num_classes : 분류할 class 개수, int
  • dropout : dropout 확률, float(default: 0.1, 범위: 0 이상 1 이하)
  • bias : bias 사용 여부, bool(default: True)
  • num_epochs : 학습 epoch 횟수, int(default: 150, 범위: 1 이상)
  • batch_size : batch 크기, int(default: 64, 범위: 1 이상, 컴퓨터 사양에 적합하게 설정)
  • lr : learning rate, float(default: 0.0001, 범위: 0.1 이하)
  • device : 학습 환경, (default: 'cuda', ['cuda', 'cpu'] 중 선택)

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published