[英]Different time points for deep learning model inputs
我想问一下是否可以创建一个 model,其中我有 2 个输入,分别是温度和状态,但输入的开始时间不同? 例如,温度从 t=0 开始,状态从 t=1 开始。 这个 model 的 output 将只是 t=15 时的温度。 我真的是深度学习的新手,非常感谢您的指导。
这是我的数据集示例。 下面是我目前拥有的model,
def df_to_X_y(df, window_size=15):
df_as_np = df.to_numpy()
X = []
y = []
for i in range(len(df_as_np)-window_size):
row = [r for r in df_as_np[i:i+window_size]]
X.append(row)
label = [df_as_np[i+window_size][0]]
y.append(label)
return np.array(X), np.array(y)
如何更改此 model 以获取温度从 t=0 开始但状态从 t=1 开始?
我认为要解决这个问题,我们必须以'Z1_S1(degC)'
从 t=0 开始并且'Status'
从 t=1 开始的方式更改df
,因此我们将定义一个新的df
,如下所示:
new_df=pd.DataFrame({'Z1_S1(degC)': [df['Z1_S1(degC)'][i] for i in range(len(df)-1)], #last value not included
'Status': [df['Status'][i] for i in range(1, len(df))] #first value not included
})
我们继续剩下的代码:
def df_to_X_y(df, window_size=15):
df_as_np = df.to_numpy()
X = []
y = []
for i in range(len(df_as_np)-window_size):
row = [r for r in df_as_np[i:i+window_size]]
X.append(row)
label = [df_as_np[i+window_size][0]]
y.append(label)
return np.array(X), np.array(y)
我们将 function 应用于new_df
而不是df
X, y = df_to_X_y(new_df, window_size=15)
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.