第34章數據融合異常
這在模態少的時候可能適用，因為數據輸入之前，在無形之中其實是多了一個人工篩選的步驟。
比如你要預測股票的漲跌，相比于各種專家的視頻分析，你可能會更加相信各種金融指標，所以你就會下意識地選擇各種數字指標輸入模型，而不是專家的視頻分析。
這就隱含地為數據賦予了權重，雖然代碼里沒有，但它確實是真實存在的。
不過人工篩選終究是有一些小問題的，在金融這個反人類的領域，光憑經驗很多時候容易做出錯誤的判斷。
“也就是說，在數據融合的時候，缺少了一個‘智能篩選’的步驟，讓模型知道，哪些數據重要，哪些數據不重要?！?br>
“數據篩選.......”周昀手指輕輕敲打著桌面，思考著解決辦法。
如果只是單純的邏輯判斷，肯定不行，這樣太死板，還不如人來篩選。
置信度？
周昀想了一下，也覺得不行。
內容未完，下一頁繼續閱讀