python - 在 Keras Tensorflow 中将 TimeseriesGenerator 与多元数据集结合使用

Question

我正在尝试对 Keras 中的 TimeseriesGenerator 的输出建模，该输出将用作 LSTM 网络的输入，但一直面临问题。数据集具有以下结构:

其中特征集以绿色(F1 到 F6)显示，目标变量 (T) 以红色显示。我已将包含 3170 个观察值的总数据集分成三组:

由于 Keras 中的 LSTM 需要三个维度的输入大小，我使用以下命令 reshape 了数据集:

        train= train.reshape((train_df.shape[0], 1, train_df.shape[1]))
        validation= validation.reshape((validation.shape[0], 1, validation.shape[1]))
        test= test.reshape((test.shape[0], 1, test.shape[1]))

因此，重构数据集的大小如下:

三个维度在哪里(样本、时间步长、特征)。但真正的问题是现在数据集何时传递给 keras 中的时间序列生成器。使用的生成器代码如下:

        generator = TimeseriesGenerator(train, train_target, length=1, batch_size=10)

TimeseriesGenerator 将数据集传递给 fit_generator，如下所示:

        model.fit_generator(generator, validation_data=(validation, validation_target),
                                       epochs=100, verbose=0,
                                       shuffle=False, workers=1, use_multiprocessing=True)

我在 Keras 中的 LSTM 网络配置如下:

                model = Sequential()
                model.add(LSTM(200, input_shape=(10, 6), return_sequences=True))
                model.add(LSTM(200, input_shape=(10, 6), return_sequences=False))
                model.add(Dense(1, kernel_initializer='uniform', activation='linear')) 

第一个 LSTM 层的 input_shape 是 (10,6)，这意味着 10 个样本/观测值具有 6 个特征。我选择 (10,6) 的 input_shape，因为 TimeseriesGenerator 应该生成 10 个样本的 batch_size，每个样本具有 6 个特征。

但是，这会导致如下错误:

ValueError: Error when checking input: expected lstm_input to have 3 dimensions, but got array with shape (10, 1, 1, 6)

TimeseriesGenerator 生成训练集的输入大小为(10, 1, 1, 6)。生成的火车数据集有四个维度，但是，我希望 TimeseriesGenerator 生成 10 个样本的 batch_size，每个样本具有 6 个特征，即输入大小为 (10,1,6).

如何让 TimeseriesGenerator 生成大小为 (10,1,6) 的输入？

Answer 1

错误是...不要 reshape 您的训练、验证和测试数据...生成器会自动将其变为 (10, 1,6) 的形状...因为当您给定批量大小 10 时，它将需要 10批处理......具有 1 个数据和 6 个特征的长度......试试吧。它会工作..

只要给你的火车，验证，测试数据在(m，n)生成器会自己reshape