如何转换一个简单的系列以输入 Keras LSTM？

Question

我在理解 keras 中的 LSTM 输入时遇到了麻烦。我如何在输入矩阵中转换一个非常简单的系列 1、2、3、4、5、6、7、8、9、10 以预测下一个数字？

我找到了那个图表

而且我读了一些教程，他们说矩阵形状就像

[[0 1 2 3 4]
 [1 2 3 4 5]
 [2 3 4 5 6]
 [3 4 5 6 7]
 [4 5 6 7 8]]

我用

做到了

list1 = []
for i in range(0, 10):
    list1.append(i)
list2 = []
list3 = []

for i in range(0, len(list1) - 5):
    list2.append(list1[i:i + 5])

list2 = np.array(list2)

但是在该图中，行和列代表什么？

Answer 1

Keras LSTM 层具有以下调用参数doc：

Call arguments:

inputs: A 3D tensor with shape [batch, timesteps, feature].

您给出的矩阵是二维形状 (5, 5) 即 5 行和 5 列。

既然你用的是LSTM，我举个文本数据的例子：

Cat sat on the dog

上面的句子有5个词，每个词可以向量化成5个维度（Word Embedding）。这使你的句子变成 (5,5) 的二维形状的张量现在你可以有多个句子了。

Dog sat on the cat

Cat ate the dog food

Dog ate the cat food

所以现在你总共有 4 个句子，这是你的批次。这 4 个句子中的每一个都有一个 (5,5) 的张量，因为它们都有 5 个单词，并且您正在用 5 个维度对每个单词进行编码。

因此您的整个数据集的形状为：

[batch, timesteps, feature] == [4, 5, 5]

您现在可以将此 3D 张量输入 LSTM 层。

如果您只想输入 2D 矩阵，则必须使用 np.expand_dims() 扩展维度以成为 (1, 5, 5) 3D 形状

list2 = np.expand_dim(list2, axis=0)
print(list2)
print(list2.shape)

[[[0 1 2 3 4]
  [1 2 3 4 5]
  [2 3 4 5 6]
  [3 4 5 6 7]
  [4 5 6 7 8]]]
(1, 5, 5)

另请参阅

如何转换一个简单的系列以输入 Keras LSTM？

How to transform a simple series to feed into Keras LSTM?

python

numpy

machine-learning

lstm

keras