RNN/LSTM 深度学习模型？

Posted 2023-02-16

【中文标题】RNN/LSTM 深度学习模型？

【英文标题】：RNN/LSTM deep learning model?

【发布时间】：2018-10-27 02:20:09

【问题描述】：

我正在尝试为二进制分类 0 或 1 构建 RNN/LSTM 模型

我的数据集的一个样本（患者编号、时间（单位为毫米/秒）、XY 和 Z 的归一化、峰度、偏度、俯仰、滚动和偏航、标签）。

1,15,-0.248010047716,0.00378335508419,-0.0152548459993,-86.3738760481,0.872322164158,-3.51314800063,0

1,31,-0.248010047716,0.00378335508419,-0.0152548459993,-86.3738760481,0.872322164158,-3.51314800063,0

1,46,-0.267422664673,0.0051143782875,-0.0191247001961,-85.7662354031,1.0928406847,-4.08015176908,0

1,62,-0.267422664673,0.0051143782875,-0.0191247001961,-85.7662354031,1.0928406847,-4.08015176908,0 

我尝试过的。

import numpy as np
from keras.datasets import imdb
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
from keras.layers import Bidirectional
from keras.preprocessing import sequence
# fix random seed for reproducibility
np.random.seed(7)

train = np.loadtxt("featwithsignalsTRAIN.txt", delimiter=",")
test = np.loadtxt("featwithsignalsTEST.txt", delimiter=",")

x_train = train[:,[2,3,4,5,6,7]]
x_test = test[:,[2,3,4,5,6,7]]
y_train = train[:,8]
y_test = test[:,8]

# create the model
model = Sequential()
model.add(LSTM(20, dropout=0.2, input_dim=6))
model.add(Dense(4, activation = 'sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(x_train, y_train, epochs = 2)

但它给了我以下错误

检查输入时出错：预期 lstm_1_input 为 3 维，但得到的数组形状为 (1415684, 6)

【参考方案1】：

LSTM 层采用 3 维输入，对应于 (batch_size, timesteps, features)。在您的情况下，您只有一个二维输入，即 (batch_size, features)。

LSTM 层适用于序列格式（句子、股票价格......）。您需要重塑您的数据，以便以这种方式使用它。更具体地说，您需要重新调整数据以使每位患者有一条线（或者您可以选择为每位患者提供多个序列，但假设我们现在希望每位患者有一条线），并且每条线需要包含多个数组，每个数组对应于您的患者的观察。

【讨论】：

数据集包含例如第一个具有多个标签的患者

如何重塑数据集，它已经包含每个患者的时间序列，每个患者都有多行及其时间