时间序列转换为Keras输入

Question

我有时间序列数据（ECG）。我有30秒的块注释。 每个块有1000个数据点。我们有500个这样的数据块。

目标，注释是例如在1到5的范围内。

要清楚，请参见图

关于X-DATA

如何将其转换为输入数据的Keras表示法[样本，时间步长，功能]？

我的猜测：

• Samples = Blocks（500）
• 时间步=值（1000）
• features = ECG as itselve（1）

导致[500,1000,1]

关于Y-Data（目标）

我的目标或数据会导致 [500,1,1]

经过一次热门​​编码后就可以了 [500,5,1]

问题在于Keras期望X和y数据具有相同的尺寸。但是将我的ydata增加到每个时间步长1000对我来说没有意义。

感谢您的帮助

P.S。不能直接回答，因为我和我的父母在法律上。提前致谢

Answer 1

我认为你正在考虑错误。根据我的理解，基于你的图表。 在一次热编码之后，y实际上是（500,5）。也就是说，对于每个块，都有一个结果。

此外，在Keras中不需要X和y具有相同的尺寸（除非你有seq2seq要求，这不是这里的情况）。

我们想要的是给我们概率分布的模型 每个块的可能标签，我们将使用softmax实现 在最后一个（Dense）图层上。

以下是我模拟问题的方法：

import numpy as np
from keras.models import Model
from keras.layers import Dense, LSTM


# using eye doesn't capture one-hot but works for the example
series = np.random.rand(500, 1000, 1)
labels = np.eye(500, 5)

inp = Input(shape=(1000, 1))
lstm = LSTM(128)(inp)
out = Dense(5, activation='softmax')(lstm)
model = Model(inputs=[inp], outputs=[out])
model.summary()
model.compile(loss='categorical_crossentropy', optimizer='adam')
model.fit(series, labels)