keras 中 LSTM 的多元时间序列的正确输入形状是什么？答案

【问题标题】：What is the correct input shape of multivariate time series for LSTM in keras?keras 中 LSTM 的多元时间序列的正确输入形状是什么？
【发布时间】：2021-05-01 10:05:59
【问题描述】：

我不明白将多元时间序列输入到 LSTM 的正确方法是什么。

假设我有一个数据集，其中包含 3 个随时间变化的特征，如下所示：

feat1	feat2	feat3
1	2	3
4	5	6
7	8	9

我是否应该将它呈现给我的 LSTM，因为它正在使用 numpy.vstack()？像这样：

[[1,2,3],  
[4,5,6],  
[7,8,9]]

或者我应该按列堆叠它，以便每一行都是使用numpy.column_stack() 的特征序列？像这样：

[[1,4,7],  
[2,5,8],  
[3,6,9]]

【问题讨论】：

标签： python machine-learning keras lstm

【解决方案1】：

来自 keras LSTM API：

输入：形状为 [batch, timesteps, feature] 的 3D 张量。

因此，特征（多个变量）应该由最后一个维度表示，这意味着您的第一个建议是正确的。

Obs：如果您没有对整个数据集使用 fit 函数，则应该只关注 batch 维度。否则，如果您要呈现单个示例（例如，在推理中），您还应该在第 0 轴上应用 numpy.expand_dims 函数。

【讨论】：

感谢您的澄清！