如何训练具有不同长度的多变量输入的 LSTM？

【问题标题】：How to train a LSTM with a multivarible input of different lengths?如何训练具有不同长度的多变量输入的 LSTM？
【发布时间】：2020-09-16 11:06:12
【问题描述】：

我正在尝试根据检测跌倒的传感器数据来训练 Keras LSTM 模型。

在一个数据框中有多个试验，包含不同长度的时间序列和感官数据（X 轴、Y 轴和 Z 轴），所以每个试验都有这样的输出：

[[1,4,7],[1,5,3],[5,2,7],[7,2,5],[9,5,2].......]

但我找不到处理输入长度变化的方法。输出必须是一维的。只是它是不是一个秋天。如何做到这一点？

【问题讨论】：

【解决方案1】：

Keras LSTM 采用doc 所述的输入 [batch, timesteps, feature]。据我了解，您有 3 个特征（列）和行作为数据流（时间序列、顺序）。因此，输入尺寸取决于您的配置。例如：

features = 3
timesteps = 20
batch = 1

这个配置意味着 LSTM 输入需要 20 个时间步长的 3 个特征。它把每 20 行的 3 个特征加在一起。因此，如果您有一个 2D 的数据框，则必须将其重塑为 3D。

假设您有一个具有 100 个时间步长和 3 个特征 (100,3) 的 pandas 数据框：您可以将其重塑为 3D，如下所示：

data = np.array(data).reshape(-1,20,3)

所以，新的数据形状是 (5,20,3)

【讨论】：