Ну а вообще, есть же сотни методов работы с временами рядами, папир куча

С начала сделать что то классикой, а потом уже пробовать

Lstm и gru не панацея, они хоть и работают интуитивно понятное как, я если честно, за всю свою практику ниразу их так норм и не завёл

ну эт понятно, я к ним не от хорошей жизни пришел)

Всем спасибо, отвечаю.
1.Классика, бустинги работают, дают 85 проц. Хочу попробовать улучшить сетями.
2. Сигнал - параметры пакетов трафика. Задача - предсказать разрешение, с которым смотрят видео.
3. Данные - Примерно 20к видео на трейне. Каждое виде описано рядом временных точек - от 30 до сотен. В каждом ряду 7 разных сигналов - фич.
4. Исходя из размера минимального видео, я режу все эти ряды на кусочки по 30 временных точек, и рассматриваю, как отдельные примеры. Получается от 30 тыс до 700 тыс примеров (в зависимости от шага, с которым я двигаю скользящее окно, режущее ряд). С шагом 1 - много данных, но похожих. С шагом 30 - меньше, но примеры разные.

Гипотеза: 30 точек в примере - мало. Даже в маленькой картинке их пара сотен, правда там и свертки двумерные. Попробовала сделать 200 точек в примере. Результат стал лучше - на первой эпохе 81% на тесте против 84 на трейне, на второй - 84 на тесте против 91 на трейне. С третьей - падение. Получается - маленькие видео - в пролете, вернее, надо требовать несглаженные данные, где больше точек.

И да, насчет Lstm и gru. Это лучшее из простого и быстро заводящегося для OCR. С этим у меня огромный опыт :). А, вот, с данными только недавно стала работать, хочется использовать опыт

блин, классификация что ли?

а надо по одному пакету понять к видео какого качества он относится?

Про GRU -  имела ввиду, чтение. OCR. Ну, строчек текста на картинке. Сканированные документы, итд Не относится к делу текущему. Так поделилась

в данный момент - по видео. Найти где меняется разрешение - отдельная задача. А тут считаем, что имеем куски с постоянным разрешением.

Я сделала всю систему с фичами и бустингом. Она ищет места, где разрешение меняется, предсказывает разрешение в местах без смены. Предел - 85%. Может выше и не заложено в данных... Но хотелось попробовать.

или по куску, по скользящему окну, в общем, как-то так

мне почему то кажется что фичи пакетов должны предсказывать такие вещи почти на 100 проц, мб если есть доступ посмотреть на то как формируются пакеты, также возможно полезно проверить качество разметки.

вот, вроде нет, я смотрела кучу графиков фич. Похоже, там есть или элемент случайности, или наблюдение, которое мы не можем собрать.

Но глубокая сетка моментально выходит в трейне на 100%, это мне очень странно, все же, данных не так чтоб прямо мало. К чему она так способна подстроиться, чего нет в тесте...

про качество разметки -точное место смены разрешения не может быть собрано, там алгоритмы. Но само значение в постоянных отрезках собирается приборами

Друзья, посоветуйте пожалуйста книги которые стоит прочесть человеку, которого интересует разработка ML, NN

Привет что можите сказать про kaggle курсы? если ктото их проходил?

Шолле, Рашка

Вьюгин ещё математика

короткие ознакомительные курсы, свое назначение выполняют прекрасно