使用 LSTM 进行时间序列分类 - 如何处理？答案

【问题标题】：Time series classification using LSTM - How to approach?使用 LSTM 进行时间序列分类 - 如何处理？
【发布时间】：2018-01-02 22:16:43
【问题描述】：

我正在使用 LSTM 进行时间序列分类实验，我已经阅读了几个 HOWTO，但我仍然在为一些非常基本的问题苦苦挣扎：

学习 LSTM 的主要思想是从每个时间序列中获取相同的样本吗？

例如如果我有时间序列A (with samples a1,a2,a3,a4)、B(b1,b2,b3,b4) 和C(c1,c2,c3,c4)，那么我将向 LSTM 提供一批(a1,b1,c1)，然后是(a2,b2,c2) 等？这意味着所有时间序列都需要具有相同的样本大小/数量？

如果是这样，有没有经验更丰富的人可以这么好心地简单描述一下如何处理学习 LSTM 和创建分类器的整个过程？

我的意图是使用 TensorFlow，但我还是新手。

【问题讨论】：

【解决方案1】：

如果您的目标是分类，那么您的数据应该是时间序列和标签。在训练期间，您将每一个都输入 lstm，并根据需要仅查看最后一个输出和反向传播。

从您的问题来看，您可能对批处理感到困惑——您可以一次训练多个项目。但是，批次中的每个项目都会有自己的隐藏状态，并且只会更新层的参数。

单个批次中的时间序列应具有相同的长度。您应该使用 END 标记终止每个序列，并使用特殊标记 PAD 填充太短的项目——lstm 应该知道 PAD 的 after 和 END 是无用的。

不同批次不需要相同数量的物品，也不需要相同长度的物品。

【讨论】：