【发布时间】：2019-09-19 13:28:23
【问题描述】：
我有 1000 个不同的用户，数据集包含这些用户在过去 1 年的活动。总记录超过 300K。 LSTM RNN 的输入具有与这些用户对应的特征向量。用户也被包括在内，因为每个用户的行为可能因人而异。网络应该学习每个用户的行为，并且应该能够根据同一用户的过去信息预测下一个行为。 如何在 LSTM RNN 中为每个用户维护单独的隐藏状态。
以下博客文章与我的问题类似：
https://towardsdatascience.com/multi-state-lstms-for-categorical-features-66cc974df1dc
更新
我的数据集如下所示：
我将我的数据集转换为 3D numpy 数组并将其重新整形为（记录数、时间步长、n_features）。
问题是：
1) 是否需要对“user”属性进行编码？
2) 这个问题的正确批量大小是多少？是批处理 = 1000（不同用户的数量）吗？
3) 我需要在模型的每批输入中包含每个用户的数据吗？
或
请建议这个问题的正确实现。
【问题讨论】：
-
嗨，ab，您找到解决方案了吗？如何实现多状态 lstm 的时间序列预测？提前致谢！
标签： keras deep-learning lstm lstm-stateful