深度學習的不同時間點 model 輸入

Question

我想問一下是否可以創建一個 model，其中我有 2 個輸入，分別是溫度和狀態，但輸入的開始時間不同？ 例如，溫度從 t=0 開始，狀態從 t=1 開始。 這個 model 的 output 將只是 t=15 時的溫度。 我真的是深度學習的新手，非常感謝您的指導。

這是我的數據集示例。 下面是我目前擁有的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 以獲取溫度從 t=0 開始但狀態從 t=1 開始？

Answer 1

我認為要解決這個問題，我們必須以'Z1_S1(degC)'從 t=0 開始並且'Status'從 t=1 開始的方式更改df ，因此我們將定義一個新的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
                    })

我們繼續剩下的代碼：

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)

我們將 function 應用於new_df而不是df

X, y = df_to_X_y(new_df, window_size=15)