使用（？） LSTM 進行多變量時間序列分類

Question

我對時間序列分類比較陌生，正在尋求一些幫助：

我有一個包含 5000 個多元時間序列的數據集，每個變量由 21 個變量組成，時間段為 3 年，class 信息為 1 或 0。我想要做的是對包含 21 個變量的新輸入進行分類時間期限為 3 年。

就目前而言，經過幾天的研究，我還沒有找到（或顯然不理解）將多個多元時間序列輸入 LSTM 的方法。 有沒有可能的解決方案？

我目前的想法是將 5000 個時間序列“合並”為一個，並為每個變量添加另一個單獨的變量，以明確區分每個部分......我絕對不確定這是否有效或完全愚蠢......

我很高興有任何幫助或提示！！！ 如果我需要進一步澄清任何事情，請詢問，我會立即這樣做！

Answer 1

我正在構建一個類似的 model 但用於圖像。 在您的情況下，假設您的數據結構如下：

0000: x1, x2, x3....x21
0001: x1, x2, x3....x21
0002: x1, x2, x3....x21
.
.
.
5000: x1, x2, x3....x21

如果您想僅使用一個觀察值（即時間步長為 1）來預測結果，請構建數據集，使時間序列的下一步是當前步長的 output。 這里箭頭標記后的變量是您的目標變量。

0000: x1, x2, x3 ....x21 ->> 0001: x1, x2, x3 .... x21
0001: x1, x2, x3 ....x21 ->> 0002: x1, x2, x3 .... x21
0002: x1, x2, x3 ....x21 ->> 0003: x1, x2, x3 .... x21
.
.
.
4999: x1, x2, x3 ....x21 ->> 5000: x1, x2, x3 .... x21

如果您想將多個時間步長作為輸入，例如 3，那么第 4 個時間步長將是您的第一個時間步長的目標變量，依此類推：

[0000: x1, x2, x3....x21
0001: x1, x2, x3....x21
0002: x1, x2, x3....x21] ->> [0003: x1,x2,x3 .... x21]
[0001: x1, x2, x3....x21
0002: x1, x2, x3....x21
0003: x1, x2, x3....x21] ->> [0004: x1,x2,x3 .... x21]
.
.
.
[4997: x1, x2, x3....x21
4998: x1, x2, x3....x21
4999: x1, x2, x3....x21] ->> [5000: x1,x2,x3 .... x21]

所以重要的部分是正確定義數據集，LSTM 可以很好地處理這些數據。