我的数据集由序列组成，每个序列中的时间步包含4个特征。示例如下：

S0:t0 -> f1, f2, f3, f4t1 -> f1, f2, f3, f4t2 -> f1, f2, f3, f4t3 -> f1, f2, f3, f4S1:t0 -> f1, f2, f3, f4t1 -> f1, f2, f3, f4t2 -> f1, f2, f3, f4t3 -> f1, f2, f3, f4t4 -> f1, f2, f3, f4t5 -> f1, f2, f3, f4t6 -> f1, f2, f3, f4t7 -> f1, f2, f3, f4etc...

如你所见，每个序列的长度是可变的，并且这种变动很大（从10到500不等）

我的目标是输入t0，并使用每次的预测结果来辅助下一次的预测，直到达到目标为止。

i0 -> [t0] - predicts > t1i1 -> [t0, t1] - predicts > t2i2 -> [t0, t1, t2] - predicts > t3and so on

我目前不确定如何在Keras中构建我的训练数据。我当前的’x’数据格式如下：

[ [[f1, f2, f3, f4], [f1, f2, f3, f4]] , [[f1, f2, f3, f4]] ] ... 

问题：

1. 在Keras中如何处理变长序列？

2. 我应该如何格式化我的’y’预期输出数据？

3. 是否有可能设置一个开始时间步和一个结束时间步，然后填充两者之间的时间步？

回答：

在Keras中如何处理变长序列？

Keras处理变长序列有很好的方法。例如，如果你使用LSTM层进行序列预测，你可以将输入形状的时间维度设置为None

model.add(LSTM(num_units,input_shape=(None, data_dim));

我应该如何格式化我的’y’预期输出数据？

你的y可以看作是x向左移动一个单位的结果。

例如：

# ifx = [t0,t1,t2,t3,t4]#then y = [t1,t2,t3,t4]

如果x和y都是numpy数组，你可以从x中得到y如下：

y = x[1:]

由于x的最后一个值不会用于预测，你应该将其移除。

x = x[:-1]