Halo bang. Makasih sebelumnya buat videonya. Mau tanya, bisa ga ya bang jelasin tentang input LSTM tapi yang versi code di TF, misal kayak jumlah batch, Dense, itu nanti pengaruhnya apa di output gitu?
Jujur sudah lupa detailnya. Tapi kalau pertanyaannya adalah dampak ke output, tentu tidak bisa dipastikan. Cuma bisa dijawab dengan melakukan training model lalu dicatat.
Sepengetahuan saya chatbot saat ini kebanyakan menggunakan Transformer architecture. Yang kalau saya ga salah, juga sebagai pengembangan dari LSTM ini.
Mas itu kok bisa langsung ngambil 3 fitur di sliding windows? Secara matematika nya itu bagaimana mas? Bukan nya biasa nya cuma 1 fitur ya mas? Dan kalau 3 fitur kalau nggak salah sudah masuk lstm multivariate. Mohon pencerahannya mas
@@TheHarpanOnly untuk T+1, T+2 dst kan waktu yg akan datang mas, jadi ga bisa dijadiin masukan, jadi maksudnya bisakah sliding windownya 6 data untuk memprediksi 3 data, jadi yg diprediksi ga hanya 1 data aja
@@TheHarpanOnly seandainya itu bisa dilakukan mungkin bisa dipake di kasus prediksi jangka panjang mas, misal kita ada data 10 tahun, untuk prediksi 1 tahun ke depan. Kasusnya bisa prediksi cuaca, prediksi pasang surut air laut, atau yg sejenisnya gitu
Mas kalau dalam perhitungan manual matematikanya, untuk leg sepanjang 3 berati inputnya matriksnya ukuran 3×3 per time step?
LSTM ini termasuk multilayer atau single layer?
Halo bang. Makasih sebelumnya buat videonya. Mau tanya, bisa ga ya bang jelasin tentang input LSTM tapi yang versi code di TF, misal kayak jumlah batch, Dense, itu nanti pengaruhnya apa di output gitu?
Jujur sudah lupa detailnya. Tapi kalau pertanyaannya adalah dampak ke output, tentu tidak bisa dipastikan. Cuma bisa dijawab dengan melakukan training model lalu dicatat.
Halo kk, klo dalam konteks chatbot itu perhitungannya bagaimana ya? Apa kk ada video yg relevan? Terima kasih sebelumnya
Sepengetahuan saya chatbot saat ini kebanyakan menggunakan Transformer architecture. Yang kalau saya ga salah, juga sebagai pengembangan dari LSTM ini.
bang mau tanya jadi output prediksi yang dihasilkan ada 3 feature ya bang? close , open sama volume?
Jika multi feature, yes. Bisa ditentukan parameter yang akan dihitung. Tapi saya sudah lupa detailnya, hehehe
@@TheHarpanOnly yang ada divideo ini output prediksi nya cuma volume aja kah atau tiga tiga nya?
@@waynness906 kalau tidak salah ingat, hanya open price.
Mas itu kok bisa langsung ngambil 3 fitur di sliding windows? Secara matematika nya itu bagaimana mas? Bukan nya biasa nya cuma 1 fitur ya mas? Dan kalau 3 fitur kalau nggak salah sudah masuk lstm multivariate. Mohon pencerahannya mas
Memang ini yang di sampaikan adalah dalam konteks multivariate lstm Mas.
mas bisa ga LSTM memprediksi jauh kedepan misal T+1, T+2, sampai T+60 misalnya
Tentunya bisa Om. Salah satu metodenya misal mau memprediksi T+4, berarti inputnya adalah T+3, T+2, T+1, T, T-1, dan seterusnya.
@@TheHarpanOnly untuk T+1, T+2 dst kan waktu yg akan datang mas, jadi ga bisa dijadiin masukan, jadi maksudnya bisakah sliding windownya 6 data untuk memprediksi 3 data, jadi yg diprediksi ga hanya 1 data aja
Bisa saja Om, bisa dilakukan dengan perulangan. Berarti asumsinya adalah setiap T adalah "similar". Tentunya ini menjadi kasuistik.
Atau bisa dengan reshaping output, saya pernah baca teknik demikian. Btw untuk keperluan apakah?
@@TheHarpanOnly seandainya itu bisa dilakukan mungkin bisa dipake di kasus prediksi jangka panjang mas, misal kita ada data 10 tahun, untuk prediksi 1 tahun ke depan. Kasusnya bisa prediksi cuaca, prediksi pasang surut air laut, atau yg sejenisnya gitu