带有Python的时间序列分类的动手注意机制
这是如何在时间序列分类框架中使用注意机制的方法，用于时间序列分类的后动手注意机制，Python首先出现在数据科学方面。
来源:走向数据科学是机器学习中的游戏规则改变者。实际上，在最新的深度学习历史中，允许模型可以专注于输入序列的最相关部分的想法在做出预测时完全彻底改变了我们对神经网络的看法。
游戏改变者 深度学习 专注于最相关的零件话虽如此，我对注意机制有一个有争议的看法：
学习注意力机制的最佳方法不是通过自然语言处理（NLP）学习 不是
（从技术上讲）这是一个有争议的选择，原因有两个。
- 人们自然使用NLP病例（例如翻译或NSP），因为NLP首先是开发了注意机制的原因。最初的目标是克服在处理语言长期依赖性方面的RNN和CNN的局限性（如果您还没有，您应该真正阅读所需的全部注意力）。其次，我还必须说，要理解将“注意”放在特定词上进行翻译任务的一般思想非常直观。
话虽如此，如果我们想了解动手实践的真正工作方式，我相信时间序列是最佳使用的框架。我这么说有很多原因。
时间序列 时间序列 分类 扁平部分 辣 频率 振幅， 位置 长度此博客文章将分为以下4个步骤：
代码设置