如何为 RNN 或 LSTM 使用多输入或多特征答案

【问题标题】：How to use multi inputs or multi features for RNN or LSTM如何为 RNN 或 LSTM 使用多输入或多特征
【发布时间】：2017-10-25 13:21:41
【问题描述】：

我有一个像blow这样的时间序列数据框，里面的数字意义不大，我在应用LSTM时遇到了一些问题。

我看过一些 LSTM 的 Demo，大多使用这种模式：[y_{t-2},y_{t-1},y_{t}] to predict [y_{t+1}]，但正如数据框一样，我也有featureA, featureB, featureC，所以我的问题是：如何为 LSTM 使用多输入或多特征

time    featureA    featureB    featureC    target
1   2   5   6   1
2   4   1   7   3
3   6   2   1   5
4   2   4   0   7
5   7   6   1   5
6   9   3   2   8
7   1   2   3   5
8   2   9   5   10
9   1   10  7   6
10  3   2   2   11

【问题讨论】：

标签： time-series deep-learning keras lstm recurrent-neural-network

【解决方案1】：

对于RNN/LSTM，更像是这样：[..., y_{t-2}(x_{t-2}), y_{t-1}(x_{t-1})]预测[y_{t}(x_{t})]

或者更简洁：

y_{t} = f(y_{t-1}, x_{t})

因此，在前馈中，您仍然使用您的输入 x_{t}（即您的特征）加上先前时间步的输出来在当前时间步进行预测。

【讨论】：