火炬的LSTM、多变量、多特征 [英] LSTM, multi-variate, multi-feature in pytorch

问题描述

我在理解pytorch中LSTM的数据格式时遇到了问题。假设我有一个具有4个功能的CSV文件，一个接一个地以时间戳的形式排列(一个经典的时间序列)

time1 feature1 feature2 feature3 feature4
time2 feature1 feature2 feature3 feature4
time3 feature1 feature2 feature3 feature4
time4 feature1 feature2 feature3 feature4,  label

但是，这4个序列的整个集合只有一个标签。我们尝试分类的事情从时间1开始，但直到时间4才知道如何标记它。
我的问题是，一个典型的pytorch LSTM能支持这一点吗？我读过、看过、浏览过的所有教程都涉及到查看单个要素或单词模型的时序，它们仍然是一个单一维度的数据集。

如果可以支持，是否需要以某种方式扁平化数据？

Pytorch的LSTM引用状态：

输入：Batch_First=False时的形状张量(L，N，Hin})(L，N，Hin​)或Batch_First=True时的形状张量(N，L，Hin)(N，L，Hin​)，包含输入序列的特征。输入也可以是压缩的可变长度序列。

这是否意味着它不能支持任何包含多个序列的输入？或者是否还有其他名称？

我真的迷路了，需要任何建议、指示、帮助等等。也许还能消除一些歧义。

我在这里发了几次帖子，都没有得到任何回应。如果这篇帖子放错了地方，有人能告诉我张贴的正确位置吗？

编辑：听从丹尼尔的建议，这四个功能应该这样放在一起，我理解正确了吗？

[(feature1, feature2, feature3, feature4, feature1, feature2, feature3, feature4, feature1, feature2, feature3, feature4, feature1, feature2, feature3, feature4), label]  when given to the LSTM?

如果正确，则本例中的输入大小是否为(16)？

最后，我的印象是LSTM的输出将是预测的标签。我说错了吗？

LSTM

如您所示，推荐答案层的输入大小为(BATCH_SIZE，SEQUENCE_LENGTH，FEATURE_SIZE)。这意味着该功能被假定为一维矢量。

因此，要在您的情况下使用它，您需要将四个要素堆叠成一个矢量(如果它们本身大于1D，则首先将它们展平)，并将该矢量用作图层的输入。

关于标签。坚决支持仅在几次迭代之后才有标签。LSTM将输出与输入序列长度相同的序列，但在训练LSTM时，您可以选择在损耗函数中使用该序列的任何部分。在您的情况下，您将只希望使用最后一个元素。

这篇关于火炬的LSTM、多变量、多特征的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！