我有几个问题,但我将从我的数据集开始
我的数据集由序列组成,序列中的每个时间步都有4个特征。就像这样
S0:
t0 -> f1, f2, f3, f4
t1 -> f1, f2, f3, f4
t2 -> f1, f2, f3, f4
t3 -> f1, f2, f3, f4
S1:
t0 -> f1, f2, f3, f4
t1 -> f1, f2, f3, f4
t2 -> f1, f2, f3, f4
t3 -> f1, f2, f3, f4
t4 -> f1, f2, f3, f4
t5 -> f1, f2, f3, f4
t6 -> f1, f2, f3, f4
t7 -> f1, f2, f3, f4
etc...
正如你所看到的,每个序列的长度都是可变的,而且变异性很大(在10-500之间)
我的目标是输入t0并使用每个预测来帮助下一个预测,直到达到目标为止。你知道吗
i0 -> [t0] - predicts > t1
i1 -> [t0, t1] - predicts > t2
i2 -> [t0, t1, t2] - predicts > t3
and so on
我不知道如何组织我在Keras培训中的数据。我的“x”目前有以下内容
[ [[f1, f2, f3, f4], [f1, f2, f3, f4]] , [[f1, f2, f3, f4]] ] ...
问题:
编辑 三。有点离题,但有可能有一个开始时间步和结束时间步,然后在两者之间填充时间步?你知道吗
kera有很好的方法来处理可变长度序列。例如,如果使用LSTM层进行序列预测,可以将
None
设置为输入形状的时间维度你的
y
可以看作是x
向左移动了一个单位。你知道吗例如
如果
x
和y
都是numpy数组,那么可以从x
获得y
,如下所示。你知道吗因为x的最后一个值不会用于预测,所以应该删除它。你知道吗
相关问题 更多 >
编程相关推荐