Python R:时间序列异常检测深度学习模型拟合误差
我找到了DeepAnT的一个例子(一种用于时间序列中无监督异常检测的深度学习方法),并想尝试一下 因此,我尝试将Python脚本()转换为R,但由于在拟合模型时出错而陷入困境 代码: 在Python中,批处理示例如下所示:Python R:时间序列异常检测深度学习模型拟合误差,python,r,deep-learning,time-series,anomaly-detection,Python,R,Deep Learning,Time Series,Anomaly Detection,我找到了DeepAnT的一个例子(一种用于时间序列中无监督异常检测的深度学习方法),并想尝试一下 因此,我尝试将Python脚本()转换为R,但由于在拟合模型时出错而陷入困境 代码: 在Python中,批处理示例如下所示: [[0.8737364 ] [0.90255357] [0.92780878] ... [0.7671179 ] [0.80588467] [0.84147098]] [[0.84147098 0.8737364 0.90255357 ... 0.725323
[[0.8737364 ]
[0.90255357]
[0.92780878]
...
[0.7671179 ]
[0.80588467]
[0.84147098]]
[[0.84147098 0.8737364 0.90255357 ... 0.72532366 0.7671179 0.80588467]
[0.8737364 0.90255357 0.92780878 ... 0.7671179 0.80588467 0.84147098]
[0.90255357 0.92780878 0.94940235 ... 0.80588467 0.84147098 0.8737364 ]
...
[0.80588467 0.84147098 0.8737364 ... 0.68066691 0.72532366 0.7671179 ]
[0.84147098 0.8737364 0.90255357 ... 0.72532366 0.7671179 0.80588467]
[0.8737364 0.90255357 0.92780878 ... 0.7671179 0.80588467 0.84147098]]
batch\u标签如下所示:
[[0.8737364 ]
[0.90255357]
[0.92780878]
...
[0.7671179 ]
[0.80588467]
[0.84147098]]
[[0.84147098 0.8737364 0.90255357 ... 0.72532366 0.7671179 0.80588467]
[0.8737364 0.90255357 0.92780878 ... 0.7671179 0.80588467 0.84147098]
[0.90255357 0.92780878 0.94940235 ... 0.80588467 0.84147098 0.8737364 ]
...
[0.80588467 0.84147098 0.8737364 ... 0.68066691 0.72532366 0.7671179 ]
[0.84147098 0.8737364 0.90255357 ... 0.72532366 0.7671179 0.80588467]
[0.8737364 0.90255357 0.92780878 ... 0.7671179 0.80588467 0.84147098]]
因此,我需要为拟合过程重塑数据,但我尝试的一切都不起作用。尝试了列表列表(类似于Python中的列表)、矩阵和向量列表,但每次都会出现维度错误。
我需要如何塑造数据,使其符合拟合功能的要求?您的输入形状不正确。模型需要3个dims的形状输入:(n_样本、窗口大小、n_特征)。
在您的代码中,n_features等于1,因此您需要做的只是将当前输入形状重塑为模型期望的形状(基于输入配置),以便:
(27012001)->(27012001)
为了做到这一点,您可以使用如下函数
展开尺寸(x,-1)
您能否详细说明用于拟合模型的最终数据应该具有哪些尺寸和特性?批次样本和批次标签中的列表具有不同的长度(分别为2001和301)。我想你需要为你的代码设置一个正确的张量。请参见此处的示例: