数据挖掘 - 如何将每个时间戳的表格提供给 LSTM 神经网络？ - 吾爱随笔录

如何将每个时间戳的表格提供给 LSTM 神经网络？

数据挖掘神经网络时间序列 lstm rnn

2022-02-25 22:32:03

我有一个像这样的时间序列数据框

         feat1  feat2  target
date id                      
0    1      12     16     192
     2      15      6      90
     3       2      9      18
1    1       0      3       0
     2       0      9       0
     3      56      9     504
2    1       5      9      45
     2       6      9      54
     3       5      8      40

我的问题是回归。

我对 LSTM 序列的了解通常row_id是日期，因此您可以构建 n 行的序列。

如您所见，在我的数据中，情况有所不同。在引用日期的每一行中，我还有 3 行代表一个产品。

我的想法是对我的问题进行排序，我的sequence意愿是 2 天：

sequence = [day0,day1],[day1,day2]

对于每一个date，我都有

date0 = [id1,id2,id3].

对于每个 id，我有：

id = [feat1,feat2].

，sequence[0]它会是这样的

[
    [
        [12,16],
        [15,6],
        [2,9]
    ],[
        [0,3],
        [0.9],
        [56,9]
    ]
]

这是有效的吗？

LSTM 层会理解这一点吗？还是我必须做一些额外的改造？

1个回答

你的数据格式是

                         feature1   feature2   target
             product1    1          12         2
 timestamp   product2    2          6          3
             product3    4          3          4

针对两个假设有两种设计：

产品彼此不相关。因此，每个产品都可以单独建模。也就是说，每个时间戳都是X(t) = [feature1, feature2]或，包括目标，X(t)|y(t) = [feature1, feature2, target]。我们分别为每个产品建立模型。总之，LSTM 接收和的两个 1 x 3 序列，t-1并t输出 1 x 1 的目标t + 1。表示法：
$(\overset{1 \times 3}{\overset{⏞}{X_{t - 1} | y_{t - 1}}}, \overset{1 \times 3}{\overset{⏞}{X_{t} | y_{t}}}) \to \overset{1 \times 1}{\overset{⏞}{y_{t + 1}}}$ $(\overbrace{X_{t-1}|y_{t-1}}^{1 \times 3}, \overbrace{X_{t}|y_{t}}^{1 \times 3}) \rightarrow \overbrace{y_{t+1}}^{1 \times 1}$
产品是相互关联的，意义product1可以帮助product2预测其目标。为此，我们只需要将 3 x 2 矩阵展平为 1 x 6 向量，其中值的顺序无关紧要。那是，
```
X(t) = [product1_feature1, product1_feature2, ..., product3_feature2]
```
或者
```
X(t) = [product1_feature1, product2_feature1, ..., product3_feature2]
```
我们还可以添加目标，例如
```
X(t)|y(t) = [product1_feature1, product2_feature1, ..., product3_feature2, target1, ..., target3]
```
这样，每个时间戳的维度将是 9 (6 + 3)，两个时间戳的序列将是
```
[
  [product1_feature1, product2_feature1, ..., product3_feature2, target1, ..., target3], # t-1
  [product1_feature1, product2_feature1, ..., product3_feature2, target1, ..., target3]  # t
]
```
[target1, ..., target3]对应于处的三维目标t + 1。

总之，LSTM 接收和的两个 1 x 9 序列，t-1并t输出 1 x 3 的目标t + 1。表示法：
$(\overset{1 \times 9}{\overset{⏞}{X_{t - 1} | y_{t - 1}}}, \overset{1 \times 9}{\overset{⏞}{X_{t} | y_{t}}}) \to \overset{1 \times 3}{\overset{⏞}{y_{t + 1}}}$

其它你可能感兴趣的问题

上一篇具有分支因子的决策树？下一篇loss/val_loss 减少但 acc/val_acc 一致