数据帧整形用于输入到LSTM模型中

Question

收集数据并按如下方式组织：

一个观测被组织成一个数据帧

一个数据帧由100行按顺序组成。

一排有6个功能和1个标签

我将如何为LSTM模型重塑它？

my observation
idx     prod   period   qty      label      
0   Customer10  FG1    2483  200.000000   'A'   
1   Customer11  FG2    2484  220.000000   'B'   
2   Customer12  FG3    2485  240.000000   'C'
3   Customer13  FG1    2485  240.000000   'C'
...
100 Customer99  FG1    2485  240.000000   'A'

Answer 1

第一步是将数据帧分离为x和y变量。

你可以用一个简单的for循环来做这件事，我不知道具体的数据格式，所以我只能给出一个类似样板的例子。

x = []
y = []
for i in dataframe:
if Is_Label:
y.append(i)
else:
x.append(i)

接下来，您需要将数组转换为numpy数组。使用作为np导入的numpy，你可以这样做。

x = np.array(x)
y = np.array(y)

使用numpy，您可以使用.reshape方法来根据您的需求重塑数据。

Answer 2

所以基本上你的问题是在数据集上进行特征工程，这样你就可以构建LSTM模型或任何其他模型(你在reshaping上的问题也属于特征工程(：

在这里查看数据时要遵循的原型或基本程序是：

1. 分离自变量(X(和因变量(y(
2. 根据您的选择，使用一个热编码或标签编码等将分类变量转换为数字变量，这将为您完成所有繁重的工作
3. 做一个测试列车分割，这也解决了形状问题

#split X and y
X, y=df.iloc[:, :-1], df.iloc[:, -1]
#label encode your 
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
X[['idx', 'prod','period']] = le.fit_transform(X[['idx', 'prod','period']]) #however id or other columns can be dropped but its upto your EDA
y = le.fit_transform(y)
#split into test and train set and try running the model which you intend
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)

然后试着运行你的模型。使用.reshape，您可以随时根据需要重塑数据