Keras 和 LSTM 中的二元分类

Question

我有一个二元分类问题，这让我对使用 LSTM 建模的输入、输出感到非常困惑。 我想输入5行数据集，并获取第6行的标签颜色。 我的X有5个功能： rb ， us， ls， 音量， pos 我的 Y 是一个标签，它是 1 或 0 我的数据框：

rb        us        ls    Volume  pos  color
0  0.080071  1.000000  0.964286  0.020507    1      1
1  0.017798  0.857143  0.857143  0.017643    1      1
2  0.026698  0.642857  0.500000  0.031085    4      1
3  0.029666  0.833333  1.000000  0.011411    2      0
4  0.008899  0.500000  1.000000  0.008371    4      0

我像这样制作一个 5 行的序列：

[[1.77976353e-02 8.57142857e-01 8.57142857e-01 1.76426968e-02
1.00000000e+00]
[2.66977791e-02 6.42857143e-01 5.00000000e-01 3.10845400e-02
4.00000000e+00]
[2.96664095e-02 8.33333333e-01 1.00000000e+00 1.14109866e-02
2.00000000e+00]
[8.89918602e-03 5.00000000e-01 1.00000000e+00 8.37062257e-03
4.00000000e+00]
[1.48316083e-02 8.33333333e-01 1.00000000e+00 8.47275749e-03
2.00000000e+00]]

我应该如何分类第 6 行的 Y？我的意思是如何对第 6 行或下一个序列的第一个下一项进行分类？我需要以某种方式向网络声明它吗？ 我的网络输入/输出有问题吗？如何获取第 6 项标签颜色的标签(二元分类(？ 我的代码：

import pandas as pd
from Util import window_nd as Reshape
from keras.utils import to_categorical
from keras.layers import Dense,RNN,LSTM,Activation,Dropout
from keras.models import Sequential

df = pd.read_csv('./EURUSD_DATAFRAME.csv')
print(df.head())
df['pos'] = df['pos'].astype('int')
dat = df.values
X = dat[0:30004,0:5]
Y = dat[0:30000,5]
X = Reshape(X,5)  #It's a custom function which reshaped the X to serialized (5,5) 
#Shape of X is  (30000, 5, 5)
Y = to_categorical(Y,num_classes=2)
model = Sequential()
model.add(LSTM(25,input_shape=(5,5),return_sequences=True))
model.add(Activation('relu'))
model.add(Dropout(0.2))
model.add(LSTM(1))
model.add(Activation('relu'))
model.add(Dense(2))
model.add(Activation('sigmoid'))
model.compile(optimizer='adam',loss='binary_crossentropy',metrics=['accuracy'])
model.fit(X,Y,batch_size=5,epochs=10,validation_split=0.2)
p = model.predict(X)
print(p)

Answer 1

我不确定您所说的"如何对第 6 行进行分类"是什么意思。让我试着澄清一下一般情况。也许这会有所帮助。

您的输入是一个 5x5 矩阵(以 5 个时间步长解释，每个时间步长 5 个特征(，您的输出是您尝试分类的 2 个类的对数。这两个类是否对应于"第 6 行"取决于您。更准确地说，取决于您如何设置 Y。如果你的Y是"第6行"的类，那就是网络将学习预测的内容。

你也可以看看这个类似的问题：了解 Keras LSTM