从同一时间点开始的批量数据训练RNN

时间:2019-07-08 15:08:40

标签: tensorflow lstm

我有一个具有初始和最终时间的过程。我对过程进行了多次仿真,并收集了标签和特征(我修改了过程的初始条件和一些参数,以使每次模拟获得略有不同的标签和特征值)。

由于我从时间0小时开始每次都重复此过程,因此我的数据框看起来像这样。


time label1 label2 feature1 feature2
0 hr   0.1    0.1    0.2      0.2
1 hr   0.1    0.1    0.2      0.2
 .      .      .     .         .
 .      .      .     .         .
10hr   0.2    0.2    0.4       0.
0 hr   0.3    0.3    0.5      0.5
1 hr   0.2    0.4    0.6      0.5
 .      .      .     .         .
 .      .      .     .         .
10hr   0.1    0.2    0.4       0.

因此,每次数据从0小时开始。

现在,假设我想在11小时的时间预测标签。这是一个时间序列预测问题。为了解决这个问题,我想使用带有LSTM层的递归神经网络。

与“标称”预测问题的区别在于,该过程在每次模拟时都从零时重新开始。在这些情况下,将数据馈送到RNN的策略是什么?

我当时正在考虑将数据框重塑为

time label1 label2 feature1 feature2 label1 label2 feature1 feature2
0 hr   0.1    0.1    0.2      0.2      0.3    0.3     0.5      0.5
1 hr   0.1    0.1    0.2      0.2      0.2    0.4     0.6      0.5
 .      .      .     .         .         .     .        .       .
 .      .      .     .         .        .      .       .        .
10hr   0.2    0.2    0.4       0.      0.1    0.2      0.4      0.      

但是然后我想要新的“假”功能,这些功能实际上与其他功能相同,但是具有不同的值。

正确的方法是什么?

谢谢!

0 个答案:

没有答案