当训练数据在不同长度的时间序列的多个CSV文件中时，如何馈送LSTM？
我正在运行一个LSTM来为每个病人分类医疗记录。也就是说，对于每个病人（观察），我有一个CSV文件。整个数据集是多个CSV文件，每个文件都是时间序列的数据帧。这并不明显，因为用图像和时间序列给LSTM喂食有一个小小的区别，那就是序列的大小。CNN假设输入具有相同的大小，但这里我们有不同长度的输入
问题：
在这种情况下如何喂养LSTM？
我相信，如果你熟悉图像分类，你可以帮我回答我的问题，但这不只是相同的方法。
示例
对于一个病人，我有一个DataFrame，它包含了我想在LSTM中使用的所有记录。
df.shape
Out[29]: (5679000, 4)
# The 5679000 change from one patient to another but 4 columns are fixed
请看这里：
df.head(4)
Out[30]:
AIRFLOW SaO2 ECG Target
0 -34.0 31145.0 304.0 0.0
1 -75.0 31145.0 272.0 0.0
2 -63.0 31145.0 254.0 0.0
3 -57.0 31145.0 251.0 1.0
4 -60.0 31145.0 229.0 0.0
问题:
有什么建议可以满足我的网络需求吗？
共有3个答案
lstm\U基线（df['气流'，'血氧饱和度'，'心电图]]，df['目标]，64）
在不同长度序列的情况下，我知道有两种主要的方法：
1-用1的批量大小训练你的模型，这是不理想的，因为它需要多少时间，以及它需要的资源。
2-您可以确定最长的序列，使用该长度作为批次大小，向其他序列添加填充值，并在模型训练期间忽略这些填充值。
由于您的数据点具有可变的序列长度，因此您无法一次轻松地训练您的网络。取而代之的是，你必须以1的小批量进行训练，或者固定你的序列长度，尽管后者根据你处理的数据可能没有意义。
查看批量生产中的Keras功能系列。使用此选项，您可以使用每个患者来训练模型，尽管使用1的批量大小有其自身的问题。
至于模型，我建议使用Keras函数API。如果您想尝试一些简单的东西，只需使用可变长度的输入序列和3的特征大小。这将为您提供一个基线，我假设您希望从函数名中得到这个基线。像这样的东西：
input_ = Input(shape=(None, 3))
x = LSTM(128)(input_)
output = Dense(1, activation='sigmoid')(x)
model = Model(input_, output)
-
我有两组不同长度的训练数据。我将这些数据系列称为x_列车数据。它们的形状分别是（70480,7）和（69058,7）。每列表示不同的传感器读数。 我正试图在这些数据上使用LSTM网络。我应该将数据合并到一个对象中吗？我该怎么做？ 我还有两组数据，它们是x_列车数据的结果输出。这两个都是尺寸（315,1）。我会用它作为我的y_列车数据吗？ 到目前为止，我已经使用pandas.read_csv（）读取
-
问题内容： 在 不使用外部库的情况下 确定给定mp3文件长度（以秒为单位）的最简单方法是什么？（高度赞赏python来源） 问题答案： 您可以使用pymad。它是一个外部库，但不要落入“此处未发明”陷阱。您不希望使用任何外部库的任何特殊原因？ 在这里发现。 - 如果您真的不想使用外部库，请在这里查看并查看他的工作方式。警告：这很复杂。
-
我有两个不同长度的数据帧。我想用CAP*货币和Go*货币与df_cur的乘法来改变数据帧df中的列。这应该在国家和年份必须分别对两个数据家族相同的条件下完成。更具体地说， #df# #df_cur# 所以，我想像这样变换df： #df# 我回顾了许多将两个数据帧大小不同的列相乘得到的答案，但没有任何结果。 我的代码示例： 非常感谢您的宝贵时间！
-
下面的类将.csv导入数据库 table.it 工作正常，现在我需要更新同一表中的另一列，当在数据库表的相应列中执行此程序时，当前系统时间戳需要更新。 示例：在 Db2 表中，“主题”列为：Eng Social Maths TimeStamp 英寸CSV文件只有3列英语社会数学。 当. csv文件导入（使用上述程序）到db2时，除了TimeStamp之外的所有列都会更新。Timestamp被输入以
-
有问题的查询是 因此，如何通过一些技巧来加快有问题查询的“发送数据”。
-
例如，使用我训练的模型来预测未来的数据。也可能是随机/自定义范围。假设我想预测2017年的逐日降雨数据。或者得到25-02-2017的预测数据。也可能是数据集结束后的X天的数据。