如何为输入到LSTM的多变量数据定型

Question

我要达到的目标

我试图根据下表中的多个输入参数预测天然气的开盘价（“NG Open”）。我遵循了一些教程，但它们没有解释特定格式代码在多次尝试和错误后仍在工作，但需要对数据的重新格式化有一些了解。在

数据集-只有几行

Contract    NGLast   NGOpen NGHigh NGLow NGVolumes COOpen COHigh COLow
2018-12-01  4.487    4.50   4.60   4.03  100,000   56.00  58.00  50.00
2019-01-01  4.450    4.52   4.61   4.11  93000     51.00  53.00  45.00

代码

^{pr2}$

问题

上面astrix中标记的代码背后的原因是什么？在

1>；我有四列作为输入，所以它不应该是X=np.重塑（X，（X.shape[0]，1，X.shape[1]，X.shape[2]，X.shape[3]）？对于所有被视为输入的列，依此类推？在

2>；我需要在下面这一行解释参数。模型.add（LSTM（100，activation='tanh'，input_shape=（1,4），反复出现的“激活=”硬“sigmoid”）

Answer 1

1. 您的数据当前是一个shape（x，4）数组，其中x是行数。所以在您提供的玩具数据中，X.shape应该返回（2,4）。如果稍后再看LSTM行，您会注意到它在寻找形状（1,4）的张量，这是input_shape参数。这条np.reshape行就是让你到达那里的原因。它将你的二维数组转换成三维数组。同样，在您的示例中，X.shape将在您重塑形状后返回（2,1,4）。基本上，现在有一个长度为2的（1,4）数组的列表，这与LSTM层想要的相匹配。

2. 我建议您看看Kerasdocumentation on the LSTM，但基本上是这样的。100是这个层将拥有的单位（或神经元）的数量。输入形状如上所述。激活是用来计算每个神经元输出的函数。tanh函数在这个基本设置中是相当标准的，但是其他函数也可以查看Keras提供的开箱即用的activations列表。