多元 LSTM 输入形状

Question

我正在尝试构建具有多个变量的 LSTM 模型。我有一个形状为 (1132, 5) 的训练数据，包括标签。所以，我有 4 个特征。我的问题是如何重塑数据，使其包含我在训练和测试数据上的特征。我做了以下代码

end_len = len(train_scaled)
X_train = []
y_train = []
timesteps = 40

for i in range(timesteps, end_len):
    X_train.append(train_scaled[i - timesteps:i, 0])
    y_train.append(train_scaled[i, 0])
X_train, y_train = np.array(X_train), np.array(y_train) 

#train_scaled is the normalized data and it has shape of (1132, 5)

完成上述代码后，我的 X_train 变成了 (1092, 40) 它是如何从 1132 变成 1092 的？

此外，我这样做是为了使其与 Keras 兼容

# reshape data so Keras can take it namely [samples, timesteps, features].
X_train = np.reshape(X_train, (X_train.shape[0], X_train.shape[1], 1))
print("X_train --> ", X_train.shape)
print("y_train shape --> ", y_train.shape)

我的 X_train 是 (1092, 40, 1)

它没有计算我的功能，因为我最后只看到一个。

Answer 1

如果你的 train_scaled 的形状是 (1132, 5) ，那么你可以拆分它：

 features = train_scaled[ : , 0:4]
 labels  =  train_scaled[ : , 4:5]

多元 LSTM 输入形状

multivariant LSTM input shape

python

numpy

lstm

keras

tensorflow