keras lstm时间序列数据

Question

我正在尝试实施一个lstm模型，其数据在一天中的不同时刻每天测量一次。

例如，假设我的数据集的最后一个输入是在2018年5月16日测量的。我的数据是这样的：

        Velocity        Time 
0        56.122         3600
1        56.114         3601
...      ...            ...
3599     75.043         7199

时间以秒为单位。从3600到7199表示从凌晨1:00到凌晨2:00。

假设之前的输入是在前一天（5月15日）00:00到00:15之间测量的。

        Velocity        Time 
0        6.232           0
1        6.197           1
...      ...             ...
899      5.507           899

问题是我在创建LSTM模型时不知道如何处理'时间'功能。

目前，我已经填充了我的数据，因此它们都具有相同的形状。例如，对于5月15日的输入，我现在

        Velocity        Time 
0        6.232           0
1        6.197           1
...      ...             ...
899      5.507           899
900      -1              -1
...      ...             ...
3599     -1              -1

我在示例中假设1小时是输入的最大时间长度。

我是否需要将时间转换为分类数据？因为我使用sklearn.preprocessing.MinMaxScaler（我在填充之前做过）来规范化我的数据（这里没有看到）。如果没有，我是否需要缩短时间？

我有11200个输入。每个输入（X_train）的形状为（3600,2）。每个输入都有一个输出（它是一个布尔值True或False）。

感谢。

Answer 1

您无需转换为分类数据。归一化是一个很好的起点，但是如果你想要的话可​​以通过将它舍入到最接近的小时来使时间离散。通过这种方式，您可以对其进行分类，这当然会改变网络获取的信息。

另一种方法可能是在几秒钟内获取事件之间的差异并将其标准化。这样，数据就不会偏向于不断增加时间输入。