Блог

Главная - Вопросы по программированию - Как обучить Keras LSTM с несколькими многомерными данными временных рядов?

Как обучить Keras LSTM с несколькими многомерными данными временных рядов?

#python #keras #lstm #recurrent-neural-network

#python #keras #lstm #рекуррентная нейронная сеть

Вопрос:

У меня механическая проблема в виде временных рядов с необработанными данными следующим образом

         time            dtime   cur         dcur      type  proc    start           end
122088  1554207711521   3140    0.766106    0.130276    0   87556   1554203520000   1554207720000
122089  1554207714411   1800    0.894529    0.089670    0   87556   1554203520000   1554207720000

Для каждого proc существует временной ряд с временными экземплярами, расположенными не совсем через надлежащие интервалы. У меня есть данные из набора разных proc данных, каждый из которых исходит из одного и того же типа механической проблемы. Цель состоит в том, чтобы предсказать предполагаемое время, оставшееся в процессе, из нового случайного экземпляра случайного процесса.

Итак, мой ярлык eta = end - time .

Я пробовал кластеризовать необработанные данные и использовать NN регрессию; и плотную NN регрессию из необработанных данных. Но результаты недостаточно хороши.

Я подумываю об использовании LSTM RNN для прогнозирования времени. Но я не уверен, как именно я должен подготовить свои данные для обучения модели LSTM. Я предполагаю, что мне нужно создать временной ряд из каждого proc . Но тогда у меня есть несколько временных рядов, и я не знаю, как с этим справиться.

Длина выборок данных: 122000

Количество уникальных proc секций: 68 (выборки на proc не равны)

Предложения приветствуются. Спасибо.