我是神经网络和LSTM的新手，因此需要一些帮助。
我有100个不同时间长度的文件，每个文件各有13个功能。每个文件代表一个输出类。
现在，我想拥有一个可以对这些时间序列文件进行分类的LSTM网络。 我该怎么办呢？我该如何处理/准备我的数据？网络的输入应该是什么样的？
提前致谢。
答案 0 :(得分：2)
您将使用RNN的多对一配置进行分类任务。您将把时间序列序列提供给网络，然后网络将为您生成单个输出。
现在，您将准备形状（样本，时间步长，功能）和标签的数据作为形状（标签）。然后您的测试集将遵循相同的格式。例如，您有一组50个视频，每个视频30秒，每帧100个像素。以下是对形状中每个术语含义的解释：
样本：这些是样本，一个样本可能包含多个时间步长。如果提到的例子，它将是50。
时间步长：这是在预测当前步骤时必须及时查看的时间步数。对于上面提到的示例，它将是30，因为您将看到30个时间步后面来预测视频的某些内容。通常，这可能取决于您的选择和要求您选择的号码。
功能：这些是每个时间步的功能/属性。对于上面提到的例子，它将是100。
标签：这些是每个样本的标签。它的形状根据您的需要而变化。
因此，对于我们的视频示例，训练将具有形状（50,30,100）并且标签将具有形状（50，）。测试数据将具有形状（无，30,100）。在这里，没有人认为它可以是任何＆＃39;并且这指定您可以在测试数据中包含任意数量的样本进行预测。
有关LSTM的更多参考和解释，请查看：this video
您也可能有兴趣关注this link，this和this。并检查this是否对您有利。
另外请确保您学习并做一些事情并来这里询问您遇到的问题。谢谢:)）