多元数据的 LSTM 输入形状

Question

我有一个包含多个输入和输出的数据集，我想将其与 Keras LSTM 一起使用。我试图弄清楚数据需要如何重塑。

原始数据如下：

Time, Temp(X1), Pressure(X2), Stress(Y1), Life(Y2)          
1,  T1, P1, S1, L1
2,  T2, P2, S2, L2
3,  T3, P3, S3, L3
4,  T4, P4, S4, L4
5,  T5, P5, S5, L5
6,  T6, P6, S6, L6

我们可以使用温度、压力、应力和寿命的 2 个先前值来估计应力和寿命的当前值。因此，使用 2 的回顾/时间步长，我们可以使用 i 将我的数据重新排列为以下内容： X 训练矩阵变为 (4,10) 形状：

T1, P1, T2, P2, T3, P3, S1, L1, S2, L2
T2, P2, T3, P3, T4, P4, S2, L2, S3, L3
T3, P3, T4, P4, T5, P5, S3, L3, S4, L4
T4, P4, T5, P5, T6, P6, S4, L4, S5, L5

Y 训练矩阵变为 (4,2) 形状：

 S3, L3
 S4, L4
 S5, L5
 S6, L6

Keras 需要将输入重塑为 [样本、时间步长、特征]

samples=4
timesteps/lookback=2
Original data X features=2

但是不可能将 (4, 10) 的 X 训练矩阵重塑为 (4,2,2)。那么，问题在哪里？

另外，Y 训练矩阵的形状应该是什么？

Answer 1

您想从 n-1 和 n-2 中预测第 n 个值。因此，您可以在数据上创建一个“滑动窗口”来创建样本。

数据@T1 和 T2 预测 T3

数据@T2 和 T3 预测 T4

以此类推，直到

数据@T4 和 T5 预测 T6

所以你最终会得到 4 个样本，由前 2 个时间步长的 X1、X2、Y1 和 Y2 定义

您的输入数据将是

X = [[[T1, P1, S1, L1]
      [T2, P2, S2, L2]],
     [[T2, P2, S2, L2],
       T3, P3, S3, L3]],
     [[T3, P3, S3, L3]
       T4, P4, S4, L4]],
     [[T4, P4, S4, L4],
       T5, P5, S5, L5]]]

以及你想要预测的值

y = [[S3, L3],
     [S4, L4],
     [S5, L5],
     [S6, L6]]