时间序列模型参数问题

Question

我在网上阅读了很多关于参数样本、时间步骤和特性的资源。我想澄清两件事：

，

1. ，我看到了一些例子，我说不出为什么要以这样或那样的方式挑选它们。例如，在这里，https://machinelearningmastery.com/use-different-batch-sizes-training-predicting-python-keras/ (顺便提一下，很好的资源)，作者选择这两个序列为两个特性

1 0.1 0.0 2 0.2 0.1 3 0.3 0.2 4 0.4 5 0.5 6 0.6 7 0.7 8 0.8 0.9 0.9 0.8

但是，我不明白为什么它们不是两个具有1个特性和9个时间步骤的示例，这是相同的吗？

1. 让我们说，我有一个有50行9列的dataframe (这将是特性fet1、.、fet9)。但是，它们实际上是三天的三胞胎，因此实际上序列类似于day1_fet1, day1_fet2, day1_fet3, day2_fet1,....,day3_fet3)，以及一个目标列(即多到一种情况)。我试图重塑新的行

day1_fet1，day1_fet2，day1_fet3 day2_fet1等.

所以timesteps=3和features=3 (我想要任意3行0-2，3-5等等)。将是一个样本)。

这听起来可以吗？如果我把所有的9个特性都保持在同一行，那会发生什么呢？谢谢！！

Answer 1

这完全取决于你所期望的模型的输出。通常，只有每张时间戳的特征应该出现在该行中。

我假设在您的示例中，第二行从第4天数据开始。因此，对每个时间戳都有单独的行是更有意义的。但是，当每一行有3天的时间时，您也可以测试模型。在这种情况下，每个预测步骤预测3天的数据。