Question

我有一个包含多个输入和输出的数据集，我想与Keras LSTM一起使用。我想弄清楚数据是如何重新塑造的。

原始数据如下：

Time, Temp(X1), Pressure(X2), Stress(Y1), Life(Y2)          
1,  T1, P1, S1, L1
2,  T2, P2, S2, L2
3,  T3, P3, S3, L3
4,  T4, P4, S4, L4
5,  T5, P5, S5, L5
6,  T6, P6, S6, L6

我们可以使用2个先前的温度，压力，压力和寿命值来估计压力和寿命的当前值。因此，使用2的回顾/时间步，我们可以使用我可以重新安排我的数据到以下： X列车矩阵变形（4,10）：

T1, P1, T2, P2, T3, P3, S1, L1, S2, L2
T2, P2, T3, P3, T4, P4, S2, L2, S3, L3
T3, P3, T4, P4, T5, P5, S3, L3, S4, L4
T4, P4, T5, P5, T6, P6, S4, L4, S5, L5

Y列车矩阵变形（4,2）：

 S3, L3
 S4, L4
 S5, L5
 S6, L6

Keras要求将输入重新整形为[样本，时间步长，特征]

samples=4
timesteps/lookback=2
Original data X features=2

但是不可能将（4,10）的X训练矩阵重塑为（4,2,2）。那么，捕获的位置在哪里？

此外，Y列车矩阵应该被塑造成什么？

Answer 1

您想要预测n-1和n-2的第n个值。因此，您可以在数据上创建“滑动窗口”以创建样本。

数据@ T1和T2预测T3

数据@ T2和T3预测T4

等等，直到

数据@ T4和T5预测T6

所以你最终会得到4个样本，由前两个步骤中的X1，X2，Y1和Y2定义

您的输入数据将是

X = [[[T1, P1, S1, L1]
      [T2, P2, S2, L2]],
     [[T2, P2, S2, L2],
       T3, P3, S3, L3]],
     [[T3, P3, S3, L3]
       T4, P4, S4, L4]],
     [[T4, P4, S4, L4],
       T5, P5, S5, L5]]]

以及您要预测的值

y = [[S3, L3],
     [S4, L4],
     [S5, L5],
     [S6, L6]]

LSTM输入重塑多变量数据

1 个答案: