2017-07-06 43 views
0

私の入力データは10個の機能を持ち、25個のタイムスタンプで取得されます。私の出力データはクラスラベルで構成されています。ですから、基本的に、私は多対1の分類問題を抱えています。多対1のLSTM入力形状

この問題のLSTMを実装したいと考えています。トレーニングデータの合計は10000データポイントで構成されています。このLSTMネットワークの入出力形式(シェイプ)はどのようにするべきですか?あなたがinput_shape=(n_timesteps,n_features)を定義する必要があり、モデルの第一層で

+0

'X.shape =(10000,25,10)'と 'y.shape =(10000、nr_classes)'? – sietschie

答えて

1

。だからあなたの場合input_shape = (25,10)

モデルにあなたの実際の入力には、形状(1000,25,10)を持つことになります。

keras.np_utils.to_categoricalを使用してラベルを1ホットエンコードされたベクトルに変換し、長さがXのベクトル(Xはクラス番号)になります。すべての要素は、対応するクラスに対応する要素を除き、ゼロに等しくなります。

希望すると便利です。