用(？)LSTM

Question

我对时间序列分类比较陌生，正在寻求一些帮助：

我有一个包含5000个多变量时间序列的数据集，每个序列由21个变量组成，时间周期为3年，类别信息为1或0。我想做的是对一个由21个变量组成的新输入进行分类，时间跨度为3年。

就目前而言，经过几天的研究，我还没有找到(或者显然不理解)一种将多个多变量时间序列输入到LSTM中的方法。到底有没有可能的解决方案？

我现在的想法是将5000个时间序列“合并”成一个，并在每个时间序列中添加另一个单独的变量来明确区分每个部分……我完全不确定这是可行的还是非常愚蠢的……

我很高兴得到任何帮助或提示！如果我需要进一步澄清任何事情，请询问，我会立即这样做！

Answer 1

我正在构建一个类似的模型，但用于图像。在您的例子中，让我们假设您的数据结构如下：

0000: x1, x2, x3....x21
0001: x1, x2, x3....x21
0002: x1, x2, x3....x21
.
.
.
5000: x1, x2, x3....x21

如果只想预测只有一个观测值(即时间步长为1)的输入的结果，则构建数据集，使时间序列的下一步是当前步长的输出。这里，箭头标记后面的变量是您的目标变量。

0000: x1, x2, x3 ....x21 ->> 0001: x1, x2, x3 .... x21
0001: x1, x2, x3 ....x21 ->> 0002: x1, x2, x3 .... x21
0002: x1, x2, x3 ....x21 ->> 0003: x1, x2, x3 .... x21
.
.
.
4999: x1, x2, x3 ....x21 ->> 5000: x1, x2, x3 .... x21

如果你想有多个时间步长作为输入，假设是3，那么第四个时间步长将是第一个时间步长的目标变量，依此类推：

[0000: x1, x2, x3....x21
0001: x1, x2, x3....x21
0002: x1, x2, x3....x21] ->> [0003: x1,x2,x3 .... x21]
[0001: x1, x2, x3....x21
0002: x1, x2, x3....x21
0003: x1, x2, x3....x21] ->> [0004: x1,x2,x3 .... x21]
.
.
.
[4997: x1, x2, x3....x21
4998: x1, x2, x3....x21
4999: x1, x2, x3....x21] ->> [5000: x1,x2,x3 .... x21]

因此，重要的部分是正确定义数据集，而LSTM可以很好地处理这些数据。