深度学习-利用递归网络判断序列趋势

这其实是一个利用LSTM递归网络进行序列分类的问题，根据数据趋势把数据分成6个类正常，循环，阶跃上升，阶跃下降，趋势向上，趋势向下

数据连接：https://archive.ics.uci.edu/ml/machine-learning-databases/synthetic_control-mld/synthetic_control.data

图像连接：https://archive.ics.uci.edu/ml/machine-learning-databases/synthetic_control-mld/data.jpeg

处理步骤如下：

1.下载并准备数据

（a）600个数据450个训练150测试

（b）把数据转成适当的格式并用csv序列读取器读取

     格式：每个文件一个代表一个时间序列，还有一个独立的标签文件,例如train/features/0.csv是特征文件，对应标签文件train/labels/0.csv,由于数据是单变量序列，csv   只有一列数据，没列有多个值，每行一个时间步，标签文件只有一个标签值

2.用csv序列读取器装载训练数据，用序列读取数据迭代器转换数据集

3.规范化数据，收集训练数据的统计信息，训练数据和测试数据用同样的方法规范化

4.配置网络，我们使用小型的lstm层和一个rnn输出层

5.训练40步，每步打印测试数据的准确率和f1

代码如下：

public class UCISequenceClassificationExample {
    private static final Logger log = LoggerFactory.getLogger(UCISequenceClassificationExample.class);//声明了log类，这样用logger.info打印信息

    //'baseDir': Base directory for the data. Change this if you want to save the data somewhere else
    private static File baseDir = new File("src/main/resources/uci/");//文件路径，实战中文件很多时我们很可能这样处理数据
    private static File baseTrainDir = new File(baseDir, "train");//file类里两个参数，第一个是上级目录，第二个是下级目录
    private static File featuresDirTrain = new File(baseTrainDir, "features");//定位到特征目录
    private static File labelsDirTrain = new File(baseTrainDir, "labels");//定位到标签目录
    private static File baseTestDir = new File(baseDir, "test");//定位到测试目录
    private static File featuresDirTest = new File(baseTestDir, "features");//定位到测试属性目录
    private static File labelsDirTest = new File(baseTestDir, "labels");//定位到测试标签目录