如何训练具有不同长度的多变量输入的LSTM？

Question

我正在尝试训练一个基于检测到跌倒的传感器数据的Keras LSTM模型。

有多个试验都在一个数据帧中包含不同长度的带有感官数据(X轴、Y轴和Z轴)的时间序列，因此每个试验都有如下输出：

[[1,4,7],[1,5,3],[5,2,7],[7,2,5],[9,5,2].......]

但是我找不到一种方法来处理不同长度的输入。输出必须是1维的。这到底是不是跌倒了。该怎么做呢？

Answer 1

Keras LSTM采用doc描述的输入批次、时间步长和功能。据我所知，你有3个特征(列)和行作为数据流(时间序列，顺序)。因此，输入尺寸取决于您的配置。例如：

features = 3
timesteps = 20
batch = 1

这种配置意味着LSTM input取3个特征，20 timesteps.It取3个特征的每20行。因此，如果你有一个2D的数据帧，你必须将其重塑为3D。

假设你有一个具有100个时间步长和3个特征(100，3)的熊猫数据帧:你可以将它重塑为3D，如下所示：

data = np.array(data).reshape(-1,20,3)

因此，新的数据形状是(5,20,3)