LSTM，多变量，多特征

Question

我很难理解pytorch中LSTM的数据格式。假设我有一个CSV文件，它有4个特性，一个接一个地用时间戳(一个经典的时间序列)进行布局。

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

然而，这一整组4个序列只有一个标签。我们试图分类的东西是从time1开始的，但我们直到第4次才知道如何给它贴上标签。

我的问题是，一个典型的火炬LSTM能支持这一点吗？我读过、看过、读过的所有教程都涉及到一个单一特性的时间序列，或者一个单词模型，它仍然是一个具有单一维度的数据集。

如果它能够支持它，那么数据是否需要以某种方式被扁平化？

Pytorch的LSTM参考状态：

输入：(L，N，Hin)(L，N，H_{in})(L，N，Hin​)当batch_first=False或(N，L，Hin})(N，L，Hin})(N，L，Hin​)包含输入序列特征时的形状张量。输入也可以是一个压缩可变长度序列。

这是否意味着它不能支持任何包含多个序列的输入？或者这有别的名字？

我在这里真的迷路了，可能需要任何建议，指点，帮助等等。也许也能消除歧义。

我在这里发过几次帖子，但都没有得到任何回复。如果这篇文章放错了位置，有人能友好地引导我到正确的地方张贴吗？

编辑:按照Daniel的建议，我是否正确地理解了这四个特性应该像这样组合在一起：

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

如果这是正确的，那么在这种情况下输入的大小(16)是吗？

最后，我的印象是，LSTM的输出将是预测的标签。我有错吗？

Answer 1

如您所示，LSTM层的输入大小为(batch_size、Sequence_length、feature_size)。这意味着特征被假定为一维向量。

因此，要在您的情况下使用它，您需要将您的四个特性叠加到一个向量中(如果它们大于1D本身，然后首先将它们压平)，并使用该向量作为该层的输入。

关于标签的事。仅在几次迭代之后才有一个标签是不受支持的。LSTM将输出与输入序列长度相同的序列，但在训练LSTM时，您可以选择在丢失函数中使用该序列的任何部分。在您的情况下，您只想使用最后一个元素。