首页 文章

Keras LSTM模型数据重新形成

提问于
浏览 次
0

我有一些 Y-axis values of sine wave 作为功能，我将其标记为 pass or fail 并使用线性回归来训练它并得到98％（因为它是合成数据）现在我尝试将数据提供给LSTM模型并希望看到准确性 . 但我不知道如何使用我的数据指定LSTM模型 .

我有Y = label =

数组（[[1,0]，[1,0]，[1,0]，[1,0]，[1,0]，[0,1]，[0,1]，[0,1] ，[0,1]，[0,1]，[0,1]，[0,1]，[0,1]，[0,1]，[0,1]，[0,1]，[具有形状（11564,2）的0,1]，[0,1]，[0,1]，[0,1]，...] .

我有一个特征= X =

阵列[（[0.0，0.03140919,0.06278424，...， - 0.08864117，-0.0591398，-0.02958302]，[0,0.03140762,0.06277796，...，-0.08349163，-0.05570133，-0.02786163]，[0 . ，0.03140605,0.06277169，...， - 0.07864125，-0.05246279，-0.02624041]，...，[0.，0.96491418，-0.5409955，...，0.，0.，0 . ]，[0， 0.96496242，-0.5410496，...，0.，0.，0 . ]，[0.，0.96501067，-0.54110371，...，0.，0 . ，0 . ]]）形状为（11564， 1200））

现在我如何选择LSTM代码的值：

model = Sequential（）

model.add（keras.layers.LSTM（hidden_nodes，input_shape =（window，num_features）））

model.add（降（0.2））

model.add（keras.layers.Dense（num_features，activation ='sigmoid'））

optimizer = keras.optimizers.SGD（lr = learning_rate，decay = 1e-6，momentum = 0.9，nesterov = True）

lstm

1 回答

  • 0

    清单：

    1确保你的X，输入是（11564，n）n是每行中的长度数，确保每行中的n是相同的，如果它们现在是，请考虑使用填充函数

    2似乎你需要一个嵌入层或类似的东西让lstm接受你的数据，要么将它们缩小到低度，要么以某种方式减少

    keras.layers.LSTM（units，activation ='tanh'，recurrent_activation ='hard_sigmoid'，use_bias = True，kernel_initializer ='glorot_uniform'，recurrent_initializer ='orthogonal'，bias_initializer ='zeros'，unit_forget_bias = True，kernel_regularizer = None ，recurrent_regularizer = None，bias_regularizer = None，activity_regularizer = None，kernel_constraint = None，recurrent_constraint = None，bias_constraint = None，dropout = 0.0，recurrent_dropout = 0.0，implementation = 1，return_sequences = False，return_state = False，go_backwards = False，有状态= False，unroll = False）

    这是一个关于kaggle的例子：https://www.kaggle.com/divrikwicky/fast-basic-lstm-with-proper-k-fold-sentimentembed

    回复于

相关问题