为什么我的时间序列数据框限制了我想在我的 LSTM 中使用的时间步数？

Question

我需要帮助来了解我被允许为我的 LSTM 重塑输入数据的确切程度。首先，我的时间序列数据是 Pandas 数据框的形式：

它具有以下形状：(36356, 9)。我将我的数据框分成训练集和测试集，如下所示：X_train.shape = (29084, 7)、X_test.shape = (7272, 7)、y_train.shape = (29084,) 和 y_test.shape = (7272,).

问题 1：我知道我必须将 2D X 数据重塑为 3D，如 (samples/rows, timesteps, features)。但是我是否也必须将 y 数据重塑为 3D？

问题2：对于X数据和Y数据，我知道它们的2D形状的数组值必须与它们的3D形状的数组值匹配。因此，假设我将 X_train 数据重塑为 (29084, 1, 7)，将 X_test 数据重塑为 (7272, 1, 7)。 X_train.shape[0] 的因数是 1, 2, 4, 7271, 14542, and X_train.shape[0]。 X_test.shape[0] 的因子是 1, 2, 4, 6, 8, 12, 18, 24, ..., 3636, and X_test.shape[0]。公因数是1, 2, and 4。所以我的数据集只允许我有可能的时间步长 1、2 和 4，对吗？也就是说，我必须重塑 X_train.shape[0] 和 X_test.shape[0] 以除以相同的时间步数，正确。对于 y_train.shape[0] 和 y_test.shape[0]?

也是如此

问题 3：如果我可以有更大的时间步长，我还能如何重塑 X 数据和 y 数据？

如果有帮助，我的LSTM构造如下：

batch_size = X_train.shape[0]
model = Sequential()
model.add(Bidirectional(LSTM(32, return_sequences = True, stateful = False), 
                                        input_shape = (X_train.shape[1], X_train.shape[2])))
model.add(Dropout(0.2))
model.add(Bidirectional(LSTM(16, return_sequences = True)))
model.add(Dropout(0.2))
model.add(Dense(1, activation = 'sigmoid'))
es = EarlyStopping(monitor = 'val_loss', patience = 3)
                  
model.compile(loss = 'binary_crossentropy', optimizer = 'adam', metrics = ['Recall'])
                  
model.fit(X_train, y_train, batch_size = batch_size, epochs = 360, verbose = 0, 
                          callbacks = [es], validation_data = (X_test, y_test), shuffle = True)

感谢您的帮助。

Answer 1

Keras LSTM 输入形状（Doc）：

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

答案一：

不，您不必重塑 y-data，因为它代表整个模型的输出形状，而不是 LSTM 层的输出。然而， y-data 的形状应该对应于模型最后一层的输出，从你的代码中它已经做到了。但是，如果您将数据分成较小的批次，您的 y-data 应该反映出来。

答案二：

您的数据似乎是第一个维度，即 36356 是您的时间步长维度。这意味着您有 1 个输入时间序列数据，其中包含 36356 个时间步记录，每个记录具有 7 个特征。所以要输入 RNN，你的形状应该是 (1, 36356, 7).

此外，您可以将 36356 行分解成更小的部分，这样您就可以增加批号 - 例如，64 批 568 行，即形状变为 (64, 568, 7)。然而，这也需要您将 y-data 分成更小的批次。

答案3：

您可以将当前的 2D 数组包裹在另一个数组中，使其成为 3D，即 (1, 36356, 7)。

为什么我的时间序列数据框限制了我想在我的 LSTM 中使用的时间步数？

Why does my time series data frame restrict the number of time steps I'd like to use in my LSTM?

python

reshape

pandas

lstm

keras