LSTM時間序列分類

我是神經網絡和LSTM的新手，因此需要一些幫助。LSTM時間序列分類

我有100個不同時間長度的文件，每個文件都有13個特徵。每個文件都代表一個輸出類。

現在，我想有一個LSTM網絡，可以分類這些時間序列文件。我該怎麼處理？我應該如何處理/準備我的數據？網絡的輸入應該是什麼樣的？

在此先感謝。

2017-10-17 Tej Singh Chani

你的問題似乎太模糊。首先明確你的要求是什麼，以及LSTM根據你的需求預測產量有哪些要求。功能是什麼意思？特點是'列'還是你的意思'時間步驟'？你可以展示一下你的文件數據是怎麼樣的嗎？ –

@FawadKhalil，我有100個文件（每個文件都屬於一個主題），每個文件中有13個不同的傳感器數據列（比如傳感器1，傳感器2，... sensor13）。它用於對人類活動進行分類，即他是否正在走路/跑步/坐着/站立等。我想使用LSTM爲它實現一個分類器，因爲它可以包含長時間的上下文信息。現在我的問題基本上是，我如何將這些數據提供給LSTM網絡？我應該如何處理它？我應該分開時間序列並進行Uni變量序列分類，還是隻能將所有這些時間序列只供給一個網絡？ –

爲了分類任務的目的，您將使用多對一的RNN配置。您會將您的時間序列序列提供給網絡，然後網絡將爲您生成單一輸出。

現在，您將準備您的數據形狀（樣本，時間步長，特徵）和標籤爲形狀（標籤）。然後你的測試集將遵循相同的格式。例如，您有一組50個視頻，每個視頻30秒，每幀100個像素。以下是對形狀中每個術語的含義的解釋：

樣本：這些是樣本，一個樣本可能包含多個時間步長。在提到的例子中，它將是50。

timesteps：這是在預測當前步驟時，您必須及時查看後面的時間步數。對於提及的例子，這將是30，因爲你會看30個時間步以預測視頻。通常，它可能取決於您的選擇和要求，您選擇的是什麼數字。

特徵：這些是每個時間步的特徵/屬性。上述例子將爲100。

標籤：這些是每個樣品的標籤。它的形狀根據你的需要而改變。

因此，對於我們的視頻示例，培訓將採用形狀（50,30,100），標籤將採用形狀（50，）。測試數據將具有形狀（無，30,100）。在這裏，沒有人捐贈它可以是'任何'，這表明你可以在測試數據中有任何數量的樣本用於預測。

有關LSTM更多的參考和說明，看：this video

，你也可能有興趣跟着this link，this和this。如果它對您有益，也請檢查this。

另外請確保你學習並做一些事情，並來這裏問你在這樣做時遇到的問題。謝謝:)

來源

2017-10-18 21:53:01

LSTM時間序列分類

回答

相關問題