时间戳

首页 > 解决方案 > 如何在 LSTM RNN 中传递分类信息和数值特征

keras - 如何在 LSTM RNN 中传递分类信息和数值特征

问题描述

我有一个数据集，其中包含 1000 个用户的活动数据。由于一个用户的活动与另一个用户不同，我希望用户属性也发送到 LSTM RNN 模型，以便模型可以更好地了解每个用户的行为。我的数据集片段如下：

https://i.stack.imgur.com/poL31.jpg

我尝试了分类信息的 one-hot 编码和二进制编码，但模型没有产生好的结果。但是将 LSTM RNN 模型应用于单个用户的数据（不包括用户变量）会产生很好的结果。

我的用于异常检测的 lstm 自动编码器模型片段如下：

inputs = Input(shape = (timesteps, n_features))
L1 = LSTM(encoding_dim, activation='relu', return_sequences=True,
          kernel_regularizer=regularizers.l2(0.00))(inputs)
L2 = LSTM(hidden_dim, activation='relu', return_sequences=False)(L1)
L3 = RepeatVector(timesteps)(L2)
L4 = LSTM(hidden_dim, activation='relu', return_sequences=True)(L3)
L5 = LSTM(encoding_dim, activation='relu', return_sequences=True)(L4)
output = TimeDistributed(Dense(n_features))(L5)
lstm_model = Model(inputs=inputs, outputs=output)
lstm_model.summary()

现在我试过了，

n_features = 22; 不。特征 [ 1（带有 one-hot 编码的分类）+ 21（数字）]

encoding_dim = 16

hidden_​​dim = 8

如何使用此模型更好地处理分类属性，即用户变量？

标签： keraslstmrecurrent-neural-networkautoencoderlstm-stateful

解决方案

我正在分享我的代码 train_y 和 test_y 是类别。

使用以下命令加载数据集： train_size = int(len(df) * (1 - test_split))

X_train = df['sequence'].values[:train_size]
y_train = np.array(df['target'].values[:train_size])
X_test = np.array(df['sequence'].values[train_size:])
y_test = np.array(df['target'].values[train_size:])

然后加载数据并使用以下方法进行训练：X_train, y_train, X_test, y_test = load_data()

model = create_model(len(X_train[0]))

print ('Fitting model...')
hist = model.fit(X_train, y_train, batch_size=64, nb_epoch=10, validation_split = 
0.1, verbose = 1)

score, acc = model.evaluate(X_test, y_test, batch_size=1)
print('Test score:', score)

推荐阅读