我有一个航空器消息数据集，其中有一个列，用于标识每个航空器示例：
idaircraft = 1，时间戳= 340503404，海拔= xxxxxx，经度= xxxxx，纬度= xxxxx，触地得分= 23423554
预测新飞机着陆参数的关键点。每个时间序列的数据都不同，例如在idaircraft = 1中我有900条消息，对于飞机2我有668条消息....
目前我正尝试将其余时间分开的每个时间序列训练为增量模型，然后根据所有路线进行预测。
这就是我所做的：
在火车和测试中的拆分系列：
dftrain=df.loc[df["idaircraft"]<367]
dftest=df.loc[df['idaircraft']>368]
dftrain.head()
现在尝试使数据受监管
from sklearn.preprocessing import MinMaxScaler
# Form dataset matrix
def create_dataset(dataset, previous=1):
dataX, dataY = [], []
for i in range(len(dataset)-previous-1):
a = dataset[i:(i+previous), 0]
dataX.append(a)
dataY.append(dataset[i + previous, 0])
return np.array(dataX), np.array(dataY)
在这里训练模型：
Nmodel = 0
for name, group in dftrain.groupby('idaircraft'):
seleccionX = group
scaler = MinMaxScaler(feature_range=(0, 1))
train = scaler.fit_transform(seleccionX)
#Select full time series with len-10
previous = len(group)-10
X_train, Y_train = create_dataset(train, previous)
X_train = np.reshape(X_train, (X_train.shape[0], 1, X_train.shape[1]))
model = tf.keras.Sequential()
model.add(tf.keras.layers.LSTM(50, input_shape=(1, previous)))
model.add(tf.keras.layers.Dense(1))
model.compile(loss='mse', optimizer='adam')
model.fit(X_train, Y_train, epochs=10, batch_size=128, verbose=2)
modelosRestantes = modelosRestantes +1
if((Nmodel%5) == 0):
model.save(path)
print("Model Saved: ", Nmodel)
print("Ramaining series: ", Nmodel ,"de 367")
我不确定即时通讯是否正确执行，有人可以给我一些建议！因为我不知道我是否预测我需要的变量是“ Touchdown”，以及我是否正确地训练了模型。