如何为 RNN 或 LSTM 使用多输入或多特征
Posted
技术标签:
【中文标题】如何为 RNN 或 LSTM 使用多输入或多特征【英文标题】:How to use multi inputs or multi features for RNN or LSTM 【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】:
【参考方案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】:
以上是关于如何为 RNN 或 LSTM 使用多输入或多特征的主要内容,如果未能解决你的问题,请参考以下文章