混合独热编码和浮点输入

我正在尝试训练一个LSTM层的模型，使用时间序列数据，其中包含分类（独热编码）的动作（call/fold/raise）和时间。例如，3轮中玩家2x先是call，然后是fold的时间序列。

  #Call  #0.5s    # Call    #0.3s   #Fold, 1.5s[[[1,0,0], 0.5], [[1,0,0], 0.3], [[0,1,0], 1.5]]

包含call/fold/raise的分类数组无法被第一层（LSTM）处理，并且由于时间不是分类数据，我无法使用简单的嵌入层。

第一层 – model.add(LSTM(500, return_sequences=True, input_shape=(3, 2)))

我尝试过更改input_shape，但对我来说没有任何效果。有什么想法可以同时表示独热编码和浮点数的输入吗？

回答：

你可以简单地进行拼接，不需要嵌入，因为你的独热编码维度并不高，而且独热编码本身就是一种嵌入。

所以我会尝试使用向量序列：

[[1,0,0,0.5], [1,0,0,0.3], [0,1,0,1.5]]

LSTM或你使用的任何层都会明白前三个值表示动作，最后一个值是其他东西（时间），不用担心这一点。

model.add(LSTM(500, return_sequences=True, input_shape=(3, 2)))

应该可以工作。

学技术