Python 如何将时间序列数据输入自动编码器网络进行特征提取？

我正在尝试为我的数据集从头创建一个自动编码器。它是一种用于特征提取的变分自动编码器。我对机器学习非常陌生，我想知道如何将输入数据输入自动编码器

我的数据是一个时间序列数据。如下所示：

array([[[  10,   0,   10, ..., 10,   0,   0],
        ...,

        [  0,   12,   32, ...,  2,  2,  2]],

         [[ 0,  3,  7, ...,  7,  3,  0],
        .....
        [ 0,  2,  3, ...,  3,  4,  6]],

       [[1, 3, 1, ..., 0, 10, 2],
        ...,

        [2, 11, 12, ..., 1, 1, 8]]], dtype=int64)

它是一组数组，形状是（31212700）。 我在哪里传递标签

---

网上的例子很简单，没有关于如何在现实中提供数据的详细描述。任何示例或解释都会非常有用。

这可以使用生成器解决。生成器获取700个数据点的时间序列数据，每个数据点有3个通道和1212个时间步，并输出一批数据。 在我编写的示例中，每个批次都是相同的时间段，例如批次0是700个样本中每个样本的前10个时间步，批次1是700个样本中每个样本的时间步1:11。如果您想以某种方式将其混合在一起，那么您应该编辑生成器。当每批产品都经过测试和培训后，新纪元就结束了。对于神经网络来说，一个非常简单的编码器、解码器模型足以证明这一概念，但您可能希望用自己的模型来代替它。变量n用于确定自动编码器使用了多少时间步长

将numpy导入为np
作为pd进口熊猫
进口干酪
从keras.layers导入致密、平坦
从tensorflow.python.client导入设备库
#检查我的gpu
打印（设备库列表本地设备（）
#伪造数据
#你的数据
数据=np.random.random（（31212700））
#这是一台发电机
def图像_生成器（数据，n）：
开始=0
结束=n
而end

您的型号是否有内存？或者它只是用滚动输入和输出将输入映射到输出？你想预测什么？这是下一个时间步的值吗？嗨，没有内存。我用这个模型来提取特征，我不想预测。这是可能的，对吗？从理论上看，自动编码器将输入映射到潜在空间，从而减少特征。所以我们得到的只是有用的功能。我的错误，是的，你可以使用自动编码器来制作功能提取器，我可以快速确认一件事吗：你有3个通道，每个通道有1212个时间数据点，总共700个样本？是的，这是正确的！700个样本如中所示，是700列，时间范围从0.00秒开始。太棒了，这就是我要找的！将在运行模型后更新我的答案。。但再次感谢：）所以我来总结一下。。对于特征提取，我们不需要数据集中的标签，对吗？我将自动编码器模型拆分为编码器和解码器，生成器生成（最后一步，最后一步）作为（输入，输出）。因此，自动编码器经过训练，以提供与输入匹配的输出。在培训过程中，将对两个模型：“编码器”、“解码器”进行培训，您可以稍后仅使用“编码器”模型进行特征提取。这个答案并不是关于如何构建自动编码器的教程，但基本上编码器输出层决定了提取的特征数量。