Question

我有一个表示许多时间段内数值的数据框，并且已经格式化了该数据框，将其表示为先前值的串联。例如：

+------+------+------+
| t1   | t2   | t3   |
+------+------+------+
| 4    | 7    | 10   |
+------+------+------+
| 7    | 10   | 8    |
+------+------+------+
| 10   | 8    | 11   |
+------+------+------+
...

当我格式化数据集以使用LSTM时，我将其整形为3维矢量[样本，时间步长，特征]。

但是，对于时间步长和功能，我必须赋予哪个值？我应该学习最后3个元素，所以特征应该是3吗？

当我有了这个时：

trainX = numpy.reshape(trainX, (trainX.shape[0], 1, trainX.shape[1]))

Answer 1

我尝试解释一个例子。因此，假设我们对温度和压力进行了一些测量，并希望预测将来的某个温度。我们有两个功能（温度和压力）。因此，我们可以使用它们来输入LSTM并尝试进行预测。现在我不确定您对LSTM理论的看法如何，但是在游戏中有两个变量，单元状态C和先前的输出h（t-1）。我们集中于h（t-1）。因此，您给了LSTM细胞（现在假设只有一个神经元）输入（温度和压力）。 LSTM会产生输出和单元状态，现在，如果您将时间步调设为1，则在为LSTM提供新输入时，输出将仅取决于单元状态和输入。但是，如果您将时间步长设置为5。第二个输入将取决于单元状态，输入和先前的输出。第三输出将取决于第二输出，电池状态，电流输入。当您再次依赖于输入和单元状态时，此序列在第六次输入时继续。这些h（t-1）的东西称为短时记忆。因此，如果将时间步长设置为1，则会失去记忆。

修改不好意思，我没有以正确的方式查看您的数据。您有一个特征，t和三个步骤。但是，您的构图方式不正确，您将三个t值视为单独的特征，并向它们提供了LSTM。但是您可以改为将数据整形为样本x 3 x1。因此，您将LSTM的第一个样本的t1输入到第一个样本的下一个t2，但是LSTM的输出将受到上一时间步长的输出的影响。

LSTM中的时间步和功能之间有什么区别？

1 个答案: