我将自己投入到机器学习中，并希望将Keras用于时间紧迫的大学项目。我意识到最好学习单个概念和构建基块，但重要的是要尽快完成。
我正在与一个对机器学习有一定经验和兴趣的人一起工作，但是我们似乎没有比这更进一步的了。以下代码改编自GitHub code中提到的a guide in Machine Learning Mastery。
对于上下文，我从多个物理传感器（每个传感器为一列）中获取数据，这些传感器中的每个样本均以一行表示。我希望使用机器学习来确定在任何给定时间跟踪谁的传感器。我试图将大约80％的行分配给培训，将20％的行分配给测试，并创建自己的“ y”数据集（前521,549行来自一个参与者，其余行来自另一个参与者）。我的数据（培训和测试）共有1,019,802行，共有16列（均已填充），但是如果需要，可以减少列数。
我想知道以下内容：
以下是我尝试运行以利用机器学习的Python代码：
x_all = pd.read_csv("(redacted)...csv",
delim_whitespace=True, header=None, low_memory=False).values
y_all = np.append(np.full((521549,1), 0), np.full((498253,1),1))
limit = 815842
x_train = x_all[:limit]
y_train = y_all[:limit]
x_test = x_all[limit:]
y_test = y_all[limit:]
max_features = 16
maxlen = 80
batch_size = 32
model = Sequential()
model.add(Embedding(500, 32, input_length=max_features))
model.add(LSTM(128, dropout=0.2, recurrent_dropout=0.2))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy',
optimizer='adam',
metrics=['accuracy'])
model.fit(x_train, y_train,
batch_size=batch_size,
epochs=15,
validation_data=(x_test, y_test))
score, acc = model.evaluate(x_test, y_test,
batch_size=batch_size)
这是代码中引用的CSV的摘录：
6698.486328125 4.28260869565217 4.6304347826087 10.6195652173913 2.4392579293836 2.56134051466188 9.05326152004788 0.0 1.0812 924.898261191267 -1.55725190839695 -0.244274809160305 0.320610687022901 -0.122938530734633 0.490254872563718 0.382308845577211
6706.298828125 4.28260869565217 4.58695652173913 10.5978260869565 2.4655894673848 2.50867743865949 9.04368641532017 0.0 1.0812 924.898261191267 -1.64885496183206 -0.366412213740458 0.381679389312977 -0.122938530734633 0.490254872563718 0.382308845577211
6714.111328125 4.26086956521739 4.64130434782609 10.5978260869565 2.45601436265709 2.57809694793537 9.03411131059246 0.0 1.0812 924.898261191267 -0.931297709923664 -0.320610687022901 0.320610687022901 -0.125937031484258 0.493253373313343 0.371814092953523
运行此错误：
tensorflow.python.framework.errors_impl.InvalidArgumentError: indices[0,0] = 972190 is not in [0, 500)
[[Node: embedding_1/embedding_lookup = GatherV2[Taxis=DT_INT32, Tindices=DT_INT32, Tparams=DT_FLOAT, _class=["loc:@training/Adam/Assign_2"], _device="/job:localhost/replica:0/task:0/device:CPU:0"](embedding_1/embeddings/read, embedding_1/Cast, training/Adam/gradients/embedding_1/embedding_lookup_grad/concat/axis)]]
作为参考，我使用的是2017年的27英寸iMac Retina 5K，它具有4.2 GHz i7、32 GB RAM和Radeon Pro 580 8 GB。
答案 0 :(得分：1)
关于机器学习精通的其他一些教程，您想要完成的事情 https://machinelearningmastery.com/convert-time-series-supervised-learning-problem-python/ https://machinelearningmastery.com/time-series-prediction-lstm-recurrent-neural-networks-python-keras/
然后，我将简要介绍您可能想做的事情。
现在看来，您正在为模型中的X和y输入使用完全相同的数据。 y输入是标签，在您的情况下是“传感器正在跟踪谁”。因此，在有2个可能的人的二进制情况下，第一人称设置为0，第二人称设置为1。
在最后一层上的S型激活将输出一个介于0和1之间的数字。如果该数字低于0.5，则表明传感器正在跟踪人0，如果该值大于0.5，则表明它预测了人1。这将在准确性得分中表示出来。
您可能不希望使用嵌入层，您可能会愿意，但我首先将其删除。尽管将数据标准化后再将其输入网络以改进训练。如果您需要快速的解决方案，Scikit-Learn为此提供了很好的工具。 http://scikit-learn.org/stable/modules/preprocessing.html
使用时间序列数据时，您通常希望在一个时间点窗口而不是单个时间点内输入数据。如果将时间序列发送到Keras model.fit（），则它将使用单点作为输入。
为了将时间窗口作为输入，您需要将数据集中的每个示例重新组织为一个完整的窗口，或者如果生成器将占用大量内存，则可以使用生成器。我链接的“机器学习精通”页面对此进行了描述。 Keras有一个名为TimeseriesGenerator
的生成器，您可以使用它from keras.preprocessing.sequence import TimeseriesGenerator
timeseries_generator = TimeseriesGenerator(data, targets, length, sampling_rate)
数据是特征的时间序列，目标是标签的时间序列。 如果使用时间序列生成器，则在拟合时必须使用fit_generator
model.fit_generator(timeseries_generator)
与使用Evaluation_generator（）进行评估相同
如果您的数据设置正确，则您的模型应该可以使用
model = Sequential()
model.add(LSTM(128, dropout=0.2, recurrent_dropout=0.2))
model.add(Dense(1, activation='sigmoid'))
您还可以尝试使用更简单的密集模型
model = Sequential()
model.add(Flatten())
model.add(Dense(64, dropout=0.2, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
我看到的另一个问题是，看来您将要分离出仅包含一种标签类型的测试集，这不仅是一种不好的做法，而且还会使您的训练集偏重于另一种可能会损害结果的标签。
希望这可以帮助您入门。确保正确设置数据！