[英]Different time points for deep learning model inputs
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?
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)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.