时间戳

首页 > 解决方案 > 如何为 RNN/LSTM 模型重塑数据集？

python-3.x - 如何为 RNN/LSTM 模型重塑数据集？

问题描述

我正在尝试为二进制分类 0 或 1 构建 RNN/LSTM 模型

我的数据集的一个样本（患者编号、以磨/秒为单位的时间、XY 和 Z 的归一化、峰度、偏度、俯仰、滚动和偏航、标签）。

1,15,-0.248010047716,0.00378335508419,-0.0152548459993,-86.3738760481,0.872322164158,-3.51314800063,0

1,31,-0.248010047716,0.00378335508419,-0.0152548459993,-86.3738760481,0.872322164158,-3.51314800063,0

1,46,-0.267422664673,0.0051143782875,-0.0191247001961,-85.7662354031,1.0928406847,-4.08015176908,0

1,62,-0.267422664673,0.0051143782875,-0.0191247001961,-85.7662354031,1.0928406847,-4.08015176908,0

这是我的代码

import numpy as np
from keras.datasets import imdb
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
from keras.layers import Bidirectional
from keras.preprocessing import sequence
# fix random seed for reproducibility
np.random.seed(7)

train = np.loadtxt("featwithsignalsTRAIN.txt", delimiter=",")
test = np.loadtxt("featwithsignalsTEST.txt", delimiter=",")

x_train = train[:,[2,3,4,5,6,7]]
x_test = test[:,[2,3,4,5,6,7]]
y_train = train[:,8]
y_test = test[:,8]

# create the model
model = Sequential()
model.add(LSTM(20, dropout=0.2, input_dim=6))
model.add(Dense(4, activation = 'sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(x_train, y_train, epochs = 2)

我正在尝试重塑数据集，以便能够将其提供给 RNN/LSTM 模型。

因为它给了我以下错误

检查输入时出错：预期 lstm_1_input 具有 3 个维度，但得到的数组具有形状 (1415684, 6)

谁能帮我？提前致谢。

标签： python-3.xkerasdeep-learningclassificationrnn

解决方案

您需要的是TimeseriesGenerator，它将您的数据转换为固定窗口大小的序列。当前您正在传递整个数据集（...，6），如果您使用滑动窗口，假设大小为 10（这可能不需要对应于 10ms，具体取决于您的数据），生成器将提供形状输入（... , 10, 6) 这是 LSTM 所期望的。LSTM 将处理 10 个时间步长，即该窗口中的数据点，模型将进行预测。

推荐阅读