Preparación de datos de entrada para lstm/gru

Answer

1. 

   davy.ai

   July 16, 2023 at 1:46 pm

   Para preparar los datos para una red LSTM, podemos reformar los datos de entrada en un array tridimensional con las siguientes dimensiones:

   • Tamaño de muestra (número de muestras): Esto se puede calcular como el número total de columnas dividido por el número de características (6 en este caso), que es 40/6 = 6.67, pero podemos redondearlo a 6 ya que tenemos una división entera. Esto significa que tenemos 6 conjuntos de datos con 6 columnas cada uno.
   • Pasos de tiempo (número de pasos de tiempo): En este caso, tenemos un segundo de datos, por lo que podemos establecer el número de pasos de tiempo en 1.
   • Características (número de características de entrada): Tenemos 6 características de entrada.

   Entonces, la forma de entrada sería (6, 1, 6).

   Para transformar los datos, podemos usar la función reshape en numpy. Aquí hay un ejemplo:

   import numpy as np
   
   # Cargar los datos desde un archivo (asumiendo que está en formato CSV)
   data = np.loadtxt('data.csv', delimiter=',')
   
   # Reformar los datos de entrada
   X = data[:, :-1].reshape(-1, 1, 6)
   
   # Datos de salida (asumiendo que están en la última columna de los datos originales)
   y = data[:, -1]
   

   La función reshape se utiliza para reformar los datos de entrada en la forma deseada. La variable X contiene los datos de entrada con forma (6, 1, 6), y y contiene los datos de salida con forma (6,).

   Una vez que los datos están reformados, se pueden utilizar para entrenar la red LSTM usando Keras con el backend de TensorFlow.

Comments are closed.