lstm autoencoder时间序列数据输入形状

时间:2018-04-25 17:27:34

标签: python keras

我调查了不同的情况,但无法理解我必须选择的内容。我的代码也在工作,但我的预测看起来很奇怪只有2条平行线。我有一个LSTM Autoencoder用于回归时间序列。 Autoencoder因为我需要减小尺寸。 Mydata看起来像: 400个样本,每个样本都包含 5.000行。我将它们连接成一个数组。 (真实的样品之间我有5分钟)。如何为模型选择时间步长?是不是(400,10,5000)?有人可以给我一个关于批量大小的例子吗?

1 个答案:

答案 0 :(得分:0)

  • 示例个别“序列”,未连接或与任何其他序列相关
  • 时间步长:序列的长度,每个序列都有一个开头和一个结尾,序列之间有步骤
  • 功能(最后一个维度):在同一序列中测量的不同并行变量。

只有您可以根据您的相关信息整理数据。行数和列数没有说明任何内容。您必须知道它们的含义,并根据上述定义以(samples, timesteps, features)形状组织它们。

示例:

您测量了患者的生命体征10小时。

您有5名患者,每名患者测量了10个小时,并且您具有以下特征:体温,心跳频率,呼吸频率,每五分钟一次。

然后你有

  • 5个单独的序列(它们彼此无关)
  • 每5分钟(120步)步骤10小时
  • 3个功能