用於多變量數據的LSTM輸入重塑

我有一個數據集，其中包含多個我想用於Keras LSTM的輸入和輸出。我正試圖弄清楚數據如何被重新塑造。用於多變量數據的LSTM輸入重塑

的原始數據如下：

Time, Temp(X1), Pressure(X2), Stress(Y1), Life(Y2)   
1, T1, P1, S1, L1 
2, T2, P2, S2, L2 
3, T3, P3, S3, L3 
4, T4, P4, S4, L4 
5, T5, P5, S5, L5 
6, T6, P6, S6, L6

我們可以使用2個先前的溫度，壓力，壓力和生命的價值來估算應力和壽命的當前值。因此，使用爲2的回溯/時間步長，我們可以使用我可以將數據重新排列爲以下： X列車矩陣變成形狀的（4,10）：

T1, P1, T2, P2, T3, P3, S1, L1, S2, L2 
T2, P2, T3, P3, T4, P4, S2, L2, S3, L3 
T3, P3, T4, P4, T5, P5, S3, L3, S4, L4 
T4, P4, T5, P5, T6, P6, S4, L4, S5, L5

ý列車矩陣變成形狀的（ 4,2）：

S3, L3 
S4, L4 
S5, L5 
S6, L6

Keras要求輸入要被再成形爲[樣品，時間步驟，特徵]

samples=4 
timesteps/lookback=2 
Original data X features=2

但它不可能重塑X列車矩陣（4，10）（4,2,2）。那麼，該抓住哪裏？

此外，Y列車矩陣應該形成什麼？

來源

2017-06-21 trumee

必須通過5更換時間指數6,7和6 – user6903745

您想要預測n-1和n-2中的第n個值。因此，您可以在數據上創建一個「滑動窗口」來創建樣本。

數據@ T1和T2來預測T3

數據@ T2和T3來預測T4

，以此類推，直到

數據@ T4和T5預測T6

所以你最後會有4個樣本，由前面2個時間步驟中的X1，X2，Y1和Y2定義。

您的輸入數據將是

X = [[[T1, P1, S1, L1] 
     [T2, P2, S2, L2]], 
    [[T2, P2, S2, L2], 
     T3, P3, S3, L3]], 
    [[T3, P3, S3, L3] 
     T4, P4, S4, L4]], 
    [[T4, P4, S4, L4], 
     T5, P5, S5, L5]]]

，並要預測

y = [[S3, L3], 
    [S4, L4], 
    [S5, L5], 
    [S6, L6]]

來源

2017-06-21 12:32:32 user6903745

我試圖預測Y1和Y2的電流值，使用X1的當前值的值和X2和之前的值X1，X2，Y1，Y2。 – trumee

@trumee我會編輯我的答案，以預測目前的Y1，Y2僅來自過去的X1和X2 – user6903745

我已經更新了上面的X矩陣。在你的第一個樣本中，爲什麼你忽略了當前值T3和P3。他們也應該用來估計S3，L3。 – trumee

用於多變量數據的LSTM輸入重塑

回答

相關問題