DNN 的滑动 window 方法

Question

我正在尝试实施滑动 windows 方法并将 DNN 用于预测部分。 window长度=24

我做了什么：我在数据集中有 x （输入）和 y （输出）。我保持原样 "y" 值（单个数组）。在 x 值上：

def generate_input(data, sequence_length=1):
    x_data = []
    for i in range(len(data)-sequence_length+1):
        a = data[i:(i+sequence_length)]
        x_data.append(a)
    return np.array (x_data)

sequence_length = 24
x_train = generate_input(train, sequence_length)

#Shape of X train: (201389, 24)
#Shape of y train: (201412,)

model = Sequential()
model.add(Dense(30,input_shape= (x_train.shape[1],)))
model.add(Dense(20))
model.add(Dropout(0.2))
model.compile(loss="mse", optimizer='rmsprop')
model.summary()
model.fit(x_train, y_train, batch_size=batch_size, epochs=epochs, 
validation_split=0.1)

我收到的错误消息：

Error when checking target: expected dropout_5 to have shape (20,) but got 
array with shape (1,)

还有一个问题，如何对多变量时间序列使用相同的方法？我想使用序列作为输入来预测 y.

我把切片部分改成了：

x_data.append(data[i:i+sequence_length])

但是我收到一个错误：

cannot copy sequence with size 24 to array axis with dimension 4

Answer 1

model.summary() 应该会告诉您模型中的输出层是形状为 (None, 20) 的 Dropout 层。那可能不是你想要的。您似乎正在尝试预测单个值。因此你需要在后面添加一个 Dense(1) 层。将 dropout 作为输出层也是非常不寻常的。

此外，x_train 和 y_train 应该具有相同的形状[0]。

DNN 的滑动 window 方法

Sliding window approach for DNN

python

keras

deep-learning

window

dotnetnuke