时间戳

首页 > 解决方案 > 输入到 LSTM 的时间序列

python - 输入到 LSTM 的时间序列

问题描述

我有包含从不同位置收集的水样的数据集。例如，ABC1 水样取自亚利桑那州的一条河流，而 ABC2 水样取自波士顿的一条河流。它们都是河流，它们具有相同的特征列（pH、温度等），但它们位于不同的位置，因此特征的变化对它们来说是个体的。所以我的目标是创建一个河流模型，因为我没有足够的数据来创建单个模型。我想预测下个月的值总共有 11 列。我的数据集如下所示：

Date         Sample_Name        pH    temp    etc...

2009-01-01    ABC1              7.2    12
2009-01-02    ABC2              5.5    11
.
.
2009-01-02    ABC1              7.2    10
2009-01-02    ABC2              7.3    10
.
.
2013-06-02    ABC2              6.5    22
2013-06-04    ABC1              6.5    22
.
2015-01-05    ABC1              8.9    13
2015-01-05    ABC4              8.8    13

我想将每个样本及其序列提供给 LSTM 模型。例如; ABC1 的每个测量（行）都必须作为序列或批次提供给模型。是否可以使用 TimeseriesGenerator 进行这种数据准备？如前所述，我如何准备数据以将其提供给模型？使用日期和样本名称（按字母顺序）对数据集进行排序是否也有帮助？我正在努力实现这样的目标

我想使用以下方法生成数据：

from keras.preprocessing.sequence import TimeseriesGenerator
n_timesteps = 2
n_features = 10
batch_size = 5
generator = TimeseriesGenerator(df, df, length, sampling_rate = 10, stride = 1, batch_size = batch_size)

我想输入数据的简单 LSTM 模型：

from keras.models import Sequential
from keras.layers import LSTM, Dense
from keras.utils import Sequence

model = Sequential()
model.add(LSTM(n_features, activation='relu', input_shape=(n_timesteps, n_features)))
model.add(Dense(10))
model.compile(optimizer='adam', loss='mse', metrics = ['accuracy'])

标签： pythonkerastime-serieslstm

解决方案

查看文档，tf.keras.preprocessing.sequence.TimeseriesGenerator 不能将字典作为第一个参数。“切片”错误只是该事实的一种表现，因为函数尝试使用第一个参数（dict）的切片并失败。再次来自文档：

参数： data：包含连续数据点（时间步长）的可索引生成器（例如列表或 Numpy 数组）。

所以也许你想通过input_dict['ABC1']或者可能input_dict['ABC1'].values

推荐阅读