如何解决使用?LSTM的多元多元时间序列分类
我对时间序列分类比较陌生,正在寻求帮助:
我有一个包含 5000 个多元时间序列的数据集,每个序列由 21 个变量组成,时间段为 3 年,类别信息为 1 或 0。我想做的是对包含 21 个变量的新输入进行分类3 年时间段内的变量。
就目前而言,经过几天的研究,我还没有找到(或显然没有理解)将多个多元时间序列输入 LSTM 的方法。有没有可能的解决方案?
我目前的想法是将 5000 个时间序列“合并”为一个,并为每个时间序列添加另一个单独的变量,以明确区分每个部分......我绝对不确定这是否有效还是完全愚蠢......
我很高兴得到任何帮助或提示!!!如果我需要进一步澄清任何问题,请询问,我会立即这样做!
解决方法
我正在构建一个类似的模型,但用于图像。 就您而言,假设您的数据结构如下:
0000: x1,x2,x3....x21
0001: x1,x3....x21
0002: x1,x3....x21
.
.
.
5000: x1,x3....x21
如果您想仅使用一个观察值的输入(即时间步长为 1)来预测结果,请构建数据集,以便时间序列的下一步是当前步骤的输出。此处箭头标记后的变量是您的目标变量。
0000: x1,x3 ....x21 ->> 0001: x1,x3 .... x21
0001: x1,x3 ....x21 ->> 0002: x1,x3 .... x21
0002: x1,x3 ....x21 ->> 0003: x1,x3 .... x21
.
.
.
4999: x1,x3 ....x21 ->> 5000: x1,x3 .... x21
如果你想有多个时间步作为输入,比方说,3,那么第 4 个时间步将是你的第一个时间步的目标变量,依此类推:
[0000: x1,x3....x21] ->> [0003: x1,x3 .... x21]
[0001: x1,x3....x21
0003: x1,x3....x21] ->> [0004: x1,x3 .... x21]
.
.
.
[4997: x1,x3....x21
4998: x1,x3....x21
4999: x1,x3....x21] ->> [5000: x1,x3 .... x21]
所以重要的部分是正确定义数据集,而 LSTM 可以很好地处理这些数据。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。