面板數據

Question

我在看面板數據，其被構造是這樣的：

D = \{(x^{(k)}_{t},y^{(k)}_{t})\,|\, k=1,\dots,N\, , t=t_0,\dots,t_k \}_{k=1}^{N}

其中x^{(k)}表示k「個序列，x^{(k)}_{t}表示k」個序列值在時間t ，此外x^{(k)}_{i,t}是載體x^{(k)}_{t}中的i'th條目。那就是x^{(k)}_{t}是'th序列在時間t的特徵向量。子腳本和超級腳本對於標籤數據y^{(k)}_{t}意味着相同的東西，但是這裏是y^{(k)}_{t} \in \{0,1\}。

用明白的話說：數據集包含隨時間觀察到的個體，並且觀察個體的每個時間點記錄他是否購買物品（y\in \{0,1\}）。

我想使用來自Keras的LSTM單元的遞歸神經網絡來預測某個人是否會在給定的時間點購買物品。我只能找到RNN的例子，其中每個序列都有一個標籤值（philipperemy link），而不是每個序列元素都有標籤值的例子，如我所描述的問題。

到目前爲止，我的方法一直是創建一個尺寸（樣本，時間步長，特徵）張量，但我無法弄清楚如何格式化標籤，以便keras可以將它們與特徵相匹配。它應該是這樣的（樣本，時間步長，1），其中最後一個維度表示包含0或1的標籤值的單個維度。

此外，我遇到的一些方法會拆分序列，子序列被添加到訓練數據中，因此極大地增加了對內存的需求（mlmastery link）。在我的情況下，這是不可行的，因爲我有多個GB的數據，如果我添加了子序列，我將無法將它存儲在內存中。

我想用這個模型是這樣的：

mod = Sequential() 
mod.add(LSTM(30,input_dim=116, return_sequences = True)) 
mod.add(LSTM(10)) 
mod.add(Dense(2)) 

沒有人有經驗的keras面板數據的工作？

Answer 1

嘗試：

mod = Sequential() 
mod.add(LSTM(30, input_shape=(timesteps, features), return_sequences = True)) 
mod.add(LSTM(10, return_sequences = True)) 
mod.add(TimeDistributed(Dense(1, activation='sigmoid'))) 
# In newest Keras version you can change the line above to mod.add(Dense(1, ..)) 

mod.compile(loss='binary_crossentropy', optimizer='rmsprop')