我花了一些时间来理解Keras Conv1D中的,但是到目前为止我还没有取得任何进展。
具体来说,我有两个数据集。 数据集-1:每天24小时的太阳能产量,持续一年,因此我的数据集大小为(364, 24),行代表天数,列代表能耗。
以下是两天的示例:
为了与Keras的输入格式兼容,我按如下方式重新调整了训练数据的形状:
在我的第二个数据集中:
具体来说,我有两个数据集。 数据集-1:每天24小时的太阳能产量,持续一年,因此我的数据集大小为(364, 24),行代表天数,列代表能耗。
以下是两天的示例:
day-1: [0 0 0 0 0 0 0 1.611 5.791 8.229 9.907 9.649 8.401 6.266 4.728 2.231 0.306 0.013 0 0 0 0 0 0]
day-2: [0 0 0 0 0 0 0 1.732 5.839 9.909 12.593 14.242 12.744 9.596 5.808 2.019 0.241 0 0 0 0 0 0 0]`
我希望使用卷积神经网络(CNN)来预测第七天的数据,需要用到六天的数据。为此,我将数据集划分如下:
xtrain = dataset[0:6,0:24] # takes 24 hour of 6 days
ytrain = dataset[6,0:24] # takes 24 hour of 7th day
xtest = dataset[1:7,0:24] # takes 24 hours for 6 days (day2 to day7) to predict day 8
为了与Keras的输入格式兼容,我按如下方式重新调整了训练数据的形状:
xtrain = xtrain.reshape(6,1,24)
样本数:6,时间维度:1,输入维度:24。
这个想法正确吗?
model.add(Conv1D(**filters?**,kernel_size=4,activation='relu', **input_shape=?**))
在我的第二个数据集中:
Training Data: Xtrain: Day-1 Hour-1 to Hour-24, Day-2 Hour-1 to Hour-24 ... Day-6 Hour-1 to Hour-24
Ytrain: Day-7 Hour-1 to Hour-24
我创建了一个新数据集,其中行代表一天中的24小时,列代表7天,因此它是一个(8616,7)的矩阵。
hour-1 day-1, day-2 ... day-7
hour-2 day-1, day-2 ... day-7
...
hour-24 day-1, day-2 ... day-7
...
hour-1 day-2, day-3 ... day-8
hour-2 day-2, day-3 ... day-8
...
hour-24 day-2, day-3 ... day-8
...
hour-1 day-359, day-360 ... day-365
hour-2 day-359, day-360 ... day-365
...
hour-24 day-359, day-360 ... day-365
Keras 代码:
xtrain = dataset[0:24,0:6] # takes 24 hour for 6 days
ytrain = dataset[24:48,6] # takes 24 hour of 7th day
xtest = dataset[24:48,0:6] # takes 24 hours for 6 days (day2 to day7) to predict day 7
xtrain = xtrain[newaxis,:, :]
ytrain = ytrain.reshape(1,24)
我真的不理解filters和input_shape应该是什么。