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