重整數據以進行時間序列預測機器學習的有效方法（Numpy）

Question

可以說我有一個N個時間序列樣本的數據集（numpy數組）X，每個樣本具有D維向量的T個時間步長，因此：

X.shape == (N,T,D)

現在，我想將其重塑為x（數據集）和y（標簽），以應用機器學習來預測時間序列中的步驟。

我想取長度為n的每個樣本的每個子系列

x.shape==(N*(T-n),n,D) and y.shape==(N*(T-n)),D)

與

X[k,j:j+n,:]

是我在x和

X[k,j+n+1,:] 

它在y標記。

for-loop是這樣做的唯一方法嗎？

Answer 1

所以我有以下方法，但是它有一個for循環，而且我不確定我不能做得更好：

    def reshape_data(self, X, n):
    """
    Reshape a data set of N time series samples of T time steps each
    Args:
        data: Time series data of shape (N,T,D)
        n: int, length of time window used to predict x[t+1]

    Returns:

    """
    N,T,D = X.shape

    x = np.zeros((N*(T-n),n,D))
    y = np.zeros((N*(T-n),D))

    for i in range(T-n):
        x[N*i:N*(i+1),:,:] = X[:,i:i+n,:]
        y[N*i:N*(i+1),:] = X[:,i+n,:]

    return x,y

Answer 2

您正在尋找pandas data panel 。 （ http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Panel.html ）。 只需放入numpy數組中，在短軸上轉置並獲取其numpy表示形式（ .as_matrix()或簡稱為.values ）。 如果您只想僅在numpy中真正做到這一點， numpy.transpose僅用於（ https://docs.scipy.org/doc/numpy/reference/generation/numpy.transpose.html ）