[英]Timeseries input to an LSTM
我有包含从不同位置收集的水样的数据集。 例如,ABC1 水样取自亚利桑那州的一条河流,而 ABC2 水样取自波士顿的一条河流。 它们都是河流,它们具有相同的特征列(pH、温度等),但它们位于不同的位置,因此特征的变化对它们来说是个体的。 所以我的目标是创建一条河流 model因为我没有足够的数据来创建单个模型。 我想预测下个月的值总共有 11 列。 我的数据集如下所示:
Date Sample_Name pH temp etc...
2009-01-01 ABC1 7.2 12
2009-01-02 ABC2 5.5 11
.
.
2009-01-02 ABC1 7.2 10
2009-01-02 ABC2 7.3 10
.
.
2013-06-02 ABC2 6.5 22
2013-06-04 ABC1 6.5 22
.
2015-01-05 ABC1 8.9 13
2015-01-05 ABC4 8.8 13
我想将每个样本及其序列提供给 LSTM model。 例如; ABC1 的每个测量(行)必须作为序列或批次提供给 model。 是否可以使用 TimeseriesGenerator 进行这种数据准备? 如前所述,我如何准备我的数据以将其提供给 model? 使用日期和样本名称(按字母顺序)对数据集进行排序是否也有帮助? 我正在努力实现这样的目标
我想使用以下方法生成数据:
from keras.preprocessing.sequence import TimeseriesGenerator
n_timesteps = 2
n_features = 10
batch_size = 5
generator = TimeseriesGenerator(df, df, length, sampling_rate = 10, stride = 1, batch_size = batch_size)
我想将数据输入的简单 LSTM model:
from keras.models import Sequential
from keras.layers import LSTM, Dense
from keras.utils import Sequence
model = Sequential()
model.add(LSTM(n_features, activation='relu', input_shape=(n_timesteps, n_features)))
model.add(Dense(10))
model.compile(optimizer='adam', loss='mse', metrics = ['accuracy'])
查看文档,tf.keras.preprocessing.sequence.TimeseriesGenerator 不能将字典作为第一个参数。 “切片”错误只是这一事实的体现,因为 function 尝试使用第一个参数(dict)的切片并失败。 再次来自文档:
Arguments:数据:包含连续数据点(时间步长)的可索引生成器(例如列表或 Numpy 数组)。
所以也许你想传递input_dict['ABC1']
或者可能input_dict['ABC1'].values
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.