如何向LSTM神经网络提供每个时间戳的表？

Question

我有这样的时间序列数据

         feat1  feat2  target
date id                      
0    1      12     16     192
     2      15      6      90
     3       2      9      18
1    1       0      3       0
     2       0      9       0
     3      56      9     504
2    1       5      9      45
     2       6      9      54
     3       5      8      40

我的问题是回归。

关于LSTM序列，我知道的是，通常情况下，row_id是日期，所以您构建了n行序列。

在我的数据中，正如你所看到的，这是不同的。在引用日期的每一行中，我还有3行表示产品。

我思考过的问题的顺序，我的sequence将是2天：

sequence = [day0,day1],[day1,day2]

每一个date，我都有

date0 = [id1,id2,id3].

对于每一个id，我都有：

id = [feat1,feat2].

sequence[0]，就像

[
    [
        [12,16],
        [15,6],
        [2,9]
    ],[
        [0,3],
        [0.9],
        [56,9]
    ]
]

这有效吗？

LSTM层会理解这一点吗？还是我必须做些额外的改变？

Answer 1

您的数据格式是

                         feature1   feature2   target
             product1    1          12         2
 timestamp   product2    2          6          3
             product3    4          3          4

有两种假设的设计：

1. 产品互不相关。因此，每个产品都可以单独建模。也就是说，每个时间戳都是X(t) = [feature1, feature2]，或者，包括目标X(t)|y(t) = [feature1, feature2, target]。我们分别为每种产品建立了一个模型。总之，LSTM为t-1和t接收两个1x3序列，并为t + 1输出一个1x1目标。表示法：(\overbrace{X_{t-1}|y_{t-1}}^{1 \times 3}, \overbrace{X_{t}|y_{t}}^{1 \times 3}) \rightarrow \overbrace{y_{t+1}}^{1 \times 1}
2. 产品是相互关联的，这意味着product1可以帮助product2预测其目标。为此，我们只需要将3x2矩阵平平成一个1x6向量，其中值的顺序并不重要。即，X(t) = product1_feature1，product1_feature2，.，product3_feature2或X(t) = product1_feature1，product2_feature1，.，product3_feature2，我们也可以添加目标，例如X(T)\y(T)= product1_feature1，product2_feature1，.，product3_feature2，target1，.，target3，这样，每个时间戳的维数将为9 (6 + 3)，两个时间戳的序列将是[ product1_feature1，product2_feature1，.，product3_feature2，target1，.，target3，# t-1 product1_feature1，product2_feature1，.，product3_feature2，target1，.，target3 #t]，对应于t + 1的三维目标[target1, ..., target3]。总之，LSTM为t-1和t接收两个1x9序列，并为t + 1输出一个1x3目标。表示法：(\overbrace{X_{t-1}|y_{t-1}}^{1 \times 9}, \overbrace{X_{t}|y_{t}}^{1 \times 9}) \rightarrow \overbrace{y_{t+1}}^{1 \times 3}