Python 如何为Keras中的LSTM准备多个具有多变量的物理站点
我有多个物理站点,每个站点都有多个变量,我如何准备输入,例如 10个站点,每个站点有1个主要输入:Python 如何为Keras中的LSTM准备多个具有多变量的物理站点,python,machine-learning,keras,deep-learning,lstm,Python,Machine Learning,Keras,Deep Learning,Lstm,我有多个物理站点,每个站点都有多个变量,我如何准备输入,例如 10个站点,每个站点有1个主要输入: 水量 和2个辅助输入: 温度 降雨 如果我只使用一个站点,则hyper参数定义如下: 时间步长:假设10天为一个观察周期 输入尺寸:水量、温度、降雨量 批量:32 其中,它包含10天的3个功能,32个批次大小 我的问题是如何为LSTM准备所有3个变量的输入 您需要确认的事情很少: 您的目的是什么:您希望您的模型估计哪个值 所以我假设你想预测水量,那么你需要定义一些超参数: 时间
- 水量
- 温度
- 降雨
- 时间步长:假设10天为一个观察周期
- 输入尺寸:水量、温度、降雨量
- 批量:32 其中,它包含10天的3个功能,32个批次大小
我的问题是如何为LSTM准备所有3个变量的输入 您需要确认的事情很少:
- 您的目的是什么:您希望您的模型估计哪个值
- 时间步长:假设10天为一个观察周期
- 输入_dim:您拥有的功能,在本例中,您有2个,温度和降雨量
- 批量大小:它取决于您的数据大小
然后您将拥有keras风格的输入(32、10、2),其中包含10天的2个特性,32个批量大小李>