Question

我正在建模一个LSTM模型，该模型包含多个功能和一个目标值。这是一个回归问题。我怀疑我为LSTM准备的数据是错误的；主要是因为该模型只学习目标值的平均值。

我编写的以下代码用于为LSTM准备数据：

# df is a pandas data frame that contains the feature columns (f1 to f5) and the target value named 'target'
# all columns of the df are time series data (including the 'target')
# seq_length is the sequence length 
def prepare_data_multiple_feature(df):
    X = []
    y = []

    for x in range(len(df)):
        start_id = x
        end_id = x + seq_length
        one_data_point = []
        if end_id + 1 <= len(df):
            # prepare X
            for col in ['f1', 'f2', 'f3', 'f4', 'f5']:
                one_data_point.append(np.array(df[col].values[start_id:end_id]))
            X.append(np.array(one_data_point))
            # prepare y
            y.append(np.array(df['target'].values[end_id ])) 

    assert len(y) == len(X)
    return X, y

然后，我将数据重塑如下：

X, y = prepare_data_multiple_feature(df)
X = X.reshape((len(X), seq_length, 5)) #5 is the number of features, i.e., f1 to f5

我的数据准备方法和数据重塑是否正确？

Answer 1

如@ isp-zax所述，请提供reprex，以便我们重现结果并查看问题出在哪里。

顺便说一句，您可以使用for col in df.columns而不是列出所有列名，并且（次要优化）应该执行第一个循环for x in range(len(df) - seq_length)，否则最后请执行循环{{1 }}很多次却没有实际处理任何数据。另外，seq_length - 1将不会在索引df.values[a, b]处包含该元素，因此，如果您要在b的最后一行中包含“窗口”，则X可以等于end_id，即，您可以为len(df)执行内部条件（准备和追加）

除此之外，如果您不同时使用if end_id <= len(df):，即同时跨列和行将数据帧切片，则我认为它更容易阅读。要选择没有（最后一个）目标列的one_data_point行，只需执行以下操作：

seq_length

LSTM多特征回归数据准备

1 个答案: