LSTM解释中的 x_train和y_train

Question

举个例子，我有一个2列的数据框架:

Dates          code     count
2022-01-01     123       202
2022-01-02     123       132 
2022-01-03     123       422 
2022-01-04     123       220 
2022-01-05     123       102 

假设我有80行，所以大约3个月的数据。我想用LSTM来做时间序列分析。因此，我输入以下代码，拆分并调用:

train_size = int(len(frame) * 0.8)
val_size = len(frame) - train_size
train, val = frame[0:train_size], frame[train_size:len(frame)]

嫩洋葱

scaler = MinMaxScaler(feature_range=(0, 1))
train = scaler.fit_transform(train)

但是它变成了错误:

The DType <class 'numpy.dtype[int64]'> could not be promoted by <class 'numpy.dtype[datetime64]'>. This means that no common DType exists for the given inputs. For example they cannot be stored in a single array unless the dtype is `object`. The full list of DTypes is: (<class 'numpy.dtype[int64]'>, <class 'numpy.dtype[datetime64]'>, <class 'numpy.dtype[int64]'>)

这个错误到底是什么意思?由于

Answer 1

该错误告诉您，第一列中变量的datetime格式是由"-"分隔的日期，并且该库要求您具有int64形式的数字数据类型或位大小为64的整数来处理。因此，为了解决这个问题，我建议您使用熊猫，并将日期分成各自的日、月、年。例如，您的年是2022，月是01，因此它不会产生太多信息，因此您可以使用df['Dates_days']=df[‘Dates’].dt.week在单独的列中存储星期几，即1,2,3,4,etc.，信息，并将其用作进一步计算的日期代表。

如果你有3个月的数据，如你所指出的，但同年，你可以连接两列的方式，datetime03-04-2022是0304的形式，现在是int64或一个数字数据类型。您可以对数字施加相应的约束，并将它们用于您想要的任何目的!