如何重塑keras LSTM的输入？

Question

我有一个约5000行和4列（温度，压力，速度，成本）的numpy数组。 因此，它的形状为（5000，4）。 每行都是按固定间隔进行的观察，这是我第一次进行时间序列预测，并且卡在输入形状上。 我正在尝试从最后一个数据点开始预测1个时间步长的值。 如何在keras中将其重塑为LSTM模型的3D形式？

如果编写一个小的示例程序，它也将更加有用。 似乎没有任何示例/教程中的输入具有多个功能（也没有NLP）。

Answer 1

您应该问自己的第一个问题是：

• 输入要素对要预测的值的相关信息进行编码的时间范围是什么？

让我们把这个时间表prediction_context 。

您现在可以创建数据集：

import numpy as np

recording_length = 5000
n_features = 4
prediction_context = 10  # Change here
# The data you already have
X_data = np.random.random((recording_length, n_features))
to_predict = np.random.random((5000,1))
# Make lists of training examples
X_in = []
Y_out = []
# Append examples to the lists (input and expected output)
for i in range(recording_length - prediction_context):
    X_in.append(X_data[i:i+prediction_context,:])
    Y_out.append(to_predict[i+prediction_context])

# Convert them to numpy array
X_train = np.array(X_in)
Y_train = np.array(Y_out)

在末尾 ：
X_train.shape = (recording_length - prediction_context, prediction_context, n_features)
因此，您将需要在预测上下文的长度和训练网络的示例数量之间进行权衡。