Améliorations du modèle Tensorflow
Prise de notes sur les modèles de prédiction. Augmentation du nombre d'unités LSTM Utilisation de EarlyStopping EarlyStopping est une technique qui arrête l'entraînement avant la fin des époques, si la performance sur les données de validation cesse de s'améliorer, ce qui permet de prévenir le surapprentissage et d' économiser du temps de calcul . L'un des paramètres de l'EarlyStopping est la patience. Il est inutile d'augmenter la patience pour arriver au bout des EPOCHS. Démonstration : EarlyStopping patience = 18 En augmentant la patience : EarlyStopping patience = 32 Le nombre d'EPOCH augmente mais la prédiction n'est pas meilleure et le Score reste inchangé. Dans l'algo 6 - TimeDistributed( Flatten() ) ou Reshape( (x_train.shape[1], -1) ) Amélioration de l'algo 6 en remplaçant la couche Flatten par un Reshape Flatten Reshape Reshape IL y a une meilleure imitation du signal avec Reshape qui au lieu de Flaten ne fait rien que de retailler...