数据形状和LSTM输入适用于不同的时间步长

Question

对于我的硕士论文，我想使用LSTM模型预测下一小时的股票价格。 我的X数据包含30.000行和6维（= 6个要素），我的Y数据包含30.000行和仅1维（= target变量）。 对于我的第一个LSTM模型，我将X数据重塑为（30.000x1x6），将Y数据重塑为（30.000x1），并确定输入如下：input_nn = Input（shape =（1，6））

如果我想增加时间步长，我不确定如何重塑数据并确定模型的输入形状。 我仍然希望预测下一个小时的股价，但包括更多先前的时间步长。 我是否必须在第二维的X数据中添加先前时间步的数据？

您能解释一下LSTM的确切单位数是什么吗？ 在我的情况下，时间步数应该相同吗？

Answer 1

使用比上一个快约5倍的代码进行更新：

x = np.load(nn_input + "/EOAN" + "/EOAN_X" + ".npy")
y = np.load(nn_input + "/EOAN" + "/EOAN_Y" + ".npy")
num_features = x.shape[1]
num_time_steps = 500

for train_index, test_index in tscv.split(x):
# Split into train and test set
print("Fold:", fold_counter, "\n" + "Train Index:", train_index, "Test Index:", test_index)
x_train_raw, y_train, x_test_raw, y_test = x[train_index], y[train_index], x[test_index], y[test_index]

# Scaling the data
scaler = StandardScaler()
scaler.fit(x_train_raw)
x_train_raw = scaler.transform(x_train_raw)
x_test_raw = scaler.transform(x_test_raw)

# Creating Input Data with variable timesteps
x_train = np.zeros((x_train_raw.shape[0] - num_time_steps + 1, num_time_steps, num_features), dtype="float32")
x_test = np.zeros((x_test_raw.shape[0] - num_time_steps + 1, num_time_steps, num_features), dtype="float32")

for row in range(len(x_train)):
    for timestep in range(num_time_steps):
        x_train[row][timestep] = x_train_raw[row + timestep]

for row in range(len(x_test)):
    for timestep in range(num_time_steps):
        x_test[row][timestep] = x_test_raw[row + timestep]

y_train = y_train[num_time_steps - 1:]
y_test = y_test[num_time_steps - 1:]

Answer 2

您处在正确的轨道上，但混淆了单位数量和时间步长。 units是控制LSTM输出尺寸的超参数。 它是LSTM输出向量的维度，因此，如果输入为(1,6)并且您有32个单位，则将获得(32,)因为LSTM中将遍历单个时间步长并生成大小为32的向量。

时间步长是指您的LSTM可以考虑的历史记录的大小。 因此，它与单位完全不同。 Keras拥有一个方便的TimeseriesGenerator ，而不是自己处理数据，它将像您一样获取2D数据，并使用某个时间步长的滑动窗口来生成时间序列数据。 从文档中：

from keras.preprocessing.sequence import TimeseriesGenerator
import numpy as np

data = np.array([[i] for i in range(50)])
targets = np.array([[i] for i in range(50)])

data_gen = TimeseriesGenerator(data, targets,
                               length=10, sampling_rate=2,
                               batch_size=2)
assert len(data_gen) == 20

batch_0 = data_gen[0]
x, y = batch_0
assert np.array_equal(x,
                      np.array([[[0], [2], [4], [6], [8]],
                                [[1], [3], [5], [7], [9]]]))
assert np.array_equal(y,
                      np.array([[10], [11]]))

您可以在model.fit_generator(data_gen,...)使用目录，让您可以选择尝试不同的采样率，时间步长等。您可能应该研究这些参数以及它们如何影响论文的结果。