我有一个具有平行时间序列的数据集。数据行'A'相依于数据行'B'和'C'。相依数据行的顺序（和数目）可以变更。例如：
A B C
2022-07-23 1 10 100
2022-07-24 2 20 200
2022-07-25 3 30 300我应该如何转换这些数据，或者我应该如何建立模型，以使列'B'和'C'的顺序（'A'，'B'，'C' vs 'A'，C '，' B '）不会改变结果？我知道GCN，但我不知道如何实现它。也许有其他方法可以实现它。
最新消息：
我想概括一下我的问题，再举一个例子。假设我们有一个矩阵作为单个观测值（没有时间序列数据）：
col1 col2 target
0 1 a 20
1 2 a 30
2 3 b 30
3 4 b 40我希望为每个行/示例预测一个值'target'。每个示例都依赖于其他示例。行的顺序无关紧要，并且每个观察中的行数可以更改。
1条答案
按热度按时间toe950271#
您正在查找列上的排列不变运算。
实现这一点的一种方法是应用列操作，然后是全局池操作。
如何实现您的目标：
此外，你应该看看自我关注层，它们也是排列等变的。
我会尝试的是：
1.学习单个时间序列的表示（RNN/Transformer）。将此表示应用于
A、B和C。1.了解
A表示与B和C表示之间的转换器：也就是说，使用A的表示作为“查询，”使用B和C的表示作为“键”和“值”。这将给予
A的表示，它在B和C中是置换不变的。更新日期（2022年8月3日）：
对于具有可变行数和固定列数的“观察”的情况：
我认为您可以将每一行视为一个“标记”（具有固定的维度=列数），并应用Transformer编码器从编码的标记中预测每个“标记”的目标。