LSTM Tensorflow模型不考慮序列

我一直在努力解決這個寵物問題一段時間，所以任何幫助將不勝感激！LSTM Tensorflow模型不考慮序列

我有一個csv文件，有幾個隨機列，最後一列是基於第一列最後幾個值的總和。我試圖用一個LSTM模型來捕獲這個結構，即預測前幾列中的最後一列。

這是我一直在使用該型號：

# Generate test data 

train_input = train_input.reshape(m, n_input, 1) # is nr of rows, n_input is number of input columns 

NUM_EXAMPLES = int(m * training_size) 

test_input = train_input[NUM_EXAMPLES:] 
test_output = train_output[NUM_EXAMPLES:] 

train_input = train_input[:NUM_EXAMPLES] 
train_output = train_output[:NUM_EXAMPLES] 
# 
# # Design model 
# 
data = tf.placeholder(tf.float32, [None, n_input, 1]) 
target = tf.placeholder(tf.float32, [None, n_classes]) 

num_hidden = 24 
cell = tf.contrib.rnn.LSTMCell(num_hidden, state_is_tuple=True) 

val, state = tf.nn.dynamic_rnn(cell, data, dtype=tf.float32) 

val = tf.transpose(val, [1, 0, 2]) 
last = tf.gather(val, int(val.get_shape()[0]) - 1) 

weight = tf.Variable(tf.truncated_normal([num_hidden, int(target.get_shape()[1])])) 
bias = tf.Variable(tf.constant(0.1, shape=[target.get_shape()[1]])) 

prediction = tf.nn.softmax(tf.matmul(last, weight) + bias) 

cross_entropy = -tf.reduce_sum(target * tf.log(tf.clip_by_value(prediction,1e-10,1.0))) 

optimizer = tf.train.AdamOptimizer() 
minimize = optimizer.minimize(cross_entropy) 

mistakes = tf.not_equal(tf.argmax(target, 1), tf.argmax(prediction, 1)) 
error = tf.reduce_mean(tf.cast(mistakes, tf.float32)) 

init_op = tf.global_variables_initializer() 
sess = tf.Session() 
sess.run(init_op) 

no_of_batches = int(len(train_input)/batch_size) 
for i in range(epoch): 
    ptr = 0 
    for j in range(no_of_batches): 
     inp, out = train_input[ptr:ptr+batch_size], train_output[ptr:ptr+batch_size] 
     ptr+=batch_size 
     sess.run(minimize,{data: inp, target: out}) 
    print("Epoch - {}".format(i)) 
incorrect = sess.run(error,{data: test_input, target: test_output}) 
print('Epoch {:2d} error {:3.1f}%'.format(i + 1, 100 * incorrect)) 
sess.close()

我試過幾個電子表格與隨機數，而且我一直獲得約83％的錯誤率。另一方面，該算法可以瞭解目標列是否不連續。

在此先感謝！

來源

2017-05-03 Akubara

我不明白你的觀點，你的意思是你有這樣的csv文件嗎？

x1 x2 x3 x4 ... xn 
v11 v21 v31 v41 ... vn1 
v12 v22 v32 v42 ... vn2 
... 
v1n v2n v3n v4n ... vnn 
y1 y2 y3 y4 ... yn

而且yn基於sum(vn1+...+vnn)？像a * sum(V) + b？

來源

2017-05-03 16:08:43 Sraw

對於最近的答案，yn完全基於x1列中的最後5個條目。 yn中的前四個條目是0，之後是yn = x1（n-5）+ x1（n-4）... + x1n – Akubara

LSTM Tensorflow模型不考慮序列

回答

相關問題