LSTM时间序列分类

Question

我是神经网络和LSTM的新手，因此需要一些帮助。

我有100个不同时间长度的文件，每个文件都有13个特征。每个文件都代表一个输出类。

现在，我想有一个LSTM网络，可以分类这些时间序列文件。 我该怎么处理？我应该如何处理/准备我的数据？网络的输入应该是什么样的？

在此先感谢。

Answer 1

为了分类任务的目的，您将使用多对一的RNN配置。您会将您的时间序列序列提供给网络，然后网络将为您生成单一输出。

现在，您将准备您的数据形状（样本，时间步长，特征）和标签为形状（标签）。然后你的测试集将遵循相同的格式。例如，您有一组50个视频，每个视频30秒，每帧100个像素。以下是对形状中每个术语的含义的解释：

样本：这些是样本，一个样本可能包含多个时间步长。在提到的例子中，它将是50。

timesteps：这是在预测当前步骤时，您必须及时查看后面的时间步数。对于提及的例子，这将是30，因为你会看30个时间步以预测视频。通常，它可能取决于您的选择和要求，您选择的是什么数字。

特征：这些是每个时间步的特征/属性。上述例子将为100。

标签：这些是每个样品的标签。它的形状根据你的需要而改变。

因此，对于我们的视频示例，培训将采用形状（50,30,100），标签将采用形状（50，）。测试数据将具有形状（无，30,100）。在这里，没有人捐赠它可以是'任何'，这表明你可以在测试数据中有任何数量的样本用于预测。

有关LSTM更多的参考和说明，看：this video

，你也可能有兴趣跟着this link，this和this。如果它对您有益，也请检查this。

另外请确保你学习并做一些事情，并来这里问你在这样做时遇到的问题。谢谢:)