LSTM Keras：重塑输入数据

Question

我想为客户行为构建 LSTM 自动编码器模型并检测异常情况。活动数据集如下所示：

customer_id               features
C1                   [[1,2,1,0,1],[2,2,1,1,0],[1,2,3,1,1],[0,3,2,1,1]]
C2                   [[2,1,1,4,1],[3,2,1,1,4],[2,2,3,1,2]]
..............................................
Cn                   [[2,3,1,4,1],[2,1,1,1,0],[4,2,2,1,2],[3,3,2,1,1], [2,3,2,1,2], [1,3,2,2,1]]

这里，所有样本的特征数量都是相同的，即 5。但是，没有。不同客户的样品数量不同。有 N 个客户。
在这种情况下，如何分离训练和测试数据以及如何重塑 LSTM 模型的输入数据？

截至目前，

1. 我正在考虑例如每个客户数据中 80% 的样本作为训练，其余样本作为测试。
2. 尝试将输入重塑为：(no_of_customers, timesteps, no_of_features) = (n, #no_of_samples, 5) .不支持此数组，因为我们不能拥有具有不同时间步长的 numpy 数组。

Answer 1

在这种情况下，您需要使用填充。参考tensorflow padding guide

from tensorflow.keras.preprocessing.sequence import pad_sequences

# club all features (c1, c2 ... features, I clubbed c1. c2 only) as a below:    
input1 = [[[1,2,1,0,1],[2,2,1,1,0],[1,2,3,1,1],[0,3,2,1,1]],
         [[2,1,1,4,1],[3,2,1,1,4],[2,2,3,1,2]]]

padded_input = pad_sequences(input1, padding='post')
print(padded_input)

您也可以设置 maxlen 参数，具体取决于为客户提供的最大列表