lstm的数据集构建
目前本人的认知是shape是(batch_size,timestep,ouput_size)是正确的,不知道有没有同样疑惑的伙伴,欢迎讨论交流。
以单步预测为例
- input_size :
输入层尺寸,即用作特征的列的个数
- output_size :
输出层尺寸,即用作标签的列的个数
- time_step :
LSTM中的time_step,即用前多少天的数据来预测后一天
- batch_size :
单次传递给模型用以训练的样本个数
lstm的输入X的shape是(batch_size,timestep,input_size)
那输出y的shape是(batch_size,timestep,ouput_size)
还是y的shape是(batch_size,1,ouput_size)
网上的案例基本存在这两种数据集,多数是(batch_size,1,ouput_size)但是以下图对应结构,
y的shape是(batch_size,timestep,ouput_size)似乎更合理,求教。
转载pytorch中LSTM参数详解(一张图帮你更好的理解每一个参数)_lstm pytorch 参数-CSDN博客
例如径流预测,单变量的时间序列,input_size=1;
采用前30天数据预测第31天数据,timestep=30;
ouput_size = 1
batch_size=12
构建数据集train_x,shape(12,30,1)
train_y的shape是(12,1,1),还是(12,30,1)