時間序列資料載入
timeseries_dataset_from_array 函數
keras.utils.timeseries_dataset_from_array(
data,
targets,
sequence_length,
sequence_stride=1,
sampling_rate=1,
batch_size=128,
shuffle=False,
seed=None,
start_index=None,
end_index=None,
)
建立一個時間序列的滑動視窗資料集，時間序列以陣列形式提供。
此函數接收以相等間隔收集的資料點序列，以及時間序列參數，例如序列/視窗的長度、兩個序列/視窗之間的間距等，以產生時間序列輸入和目標的批次。
參數
- data：包含連續資料點（時間步）的 NumPy 陣列或即時張量。軸 0 預期為時間維度。
- targets：對應於
data中時間步的目標。targets[i]應該是與索引i開始的視窗相對應的目標（請參閱下面的範例 2）。如果沒有目標資料，則傳遞None（在這種情況下，資料集將只產生輸入資料）。 - sequence_length：輸出序列的長度（以時間步數為單位）。
- sequence_stride：連續輸出序列之間的間隔。對於間隔
s，輸出樣本將從索引data[i]、data[i + s]、data[i + 2 * s]等開始。 - sampling_rate：序列內連續個別時間步之間的間隔。對於速率
r，時間步data[i], data[i + r], ... data[i + sequence_length]用於建立樣本序列。 - batch_size：每個批次中的時間序列樣本數量（最後一個批次可能除外）。如果為
None，則不會對資料進行批次處理（資料集將產生個別樣本）。 - shuffle：是否打亂輸出樣本，或是按時間順序繪製它們。
- seed：可選的整數；用於打亂的隨機種子。
- start_index：可選的整數；早於（不包含）
start_index的資料點將不會在輸出序列中使用。這對於保留部分資料以進行測試或驗證很有用。 - end_index：可選的整數；晚於（不包含）
end_index的資料點將不會在輸出序列中使用。這對於保留部分資料以進行測試或驗證很有用。
返回
一個 tf.data.Dataset 實例。如果傳遞了 targets，則資料集會產生元組 (batch_of_sequences, batch_of_targets)。如果沒有，則資料集僅產生 batch_of_sequences。
範例 1
考慮索引 [0, 1, ... 98]。對於 sequence_length=10, sampling_rate=2, sequence_stride=3、shuffle=False，資料集將產生由以下索引組成的序列批次
First sequence: [0 2 4 6 8 10 12 14 16 18]
Second sequence: [3 5 7 9 11 13 15 17 19 21]
Third sequence: [6 8 10 12 14 16 18 20 22 24]
...
Last sequence: [78 80 82 84 86 88 90 92 94 96]
在這種情況下，最後 2 個資料點將被捨棄，因為無法生成包含它們的完整序列（下一個序列將從索引 81 開始，因此它的最後一步將超過 98）。
範例 2：時間迴歸。
考慮一個形狀為 (steps,) 的純量值陣列 data。要生成一個使用過去 10 個時間步來預測下一個時間步的資料集，您可以使用
input_data = data[:-10]
targets = data[10:]
dataset = timeseries_dataset_from_array(
input_data, targets, sequence_length=10)
for batch in dataset:
inputs, targets = batch
assert np.array_equal(inputs[0], data[:10]) # First sequence: steps [0-9]
# Corresponding target: step 10
assert np.array_equal(targets[0], data[10])
break
範例 3：用於多對多架構的時間迴歸。
考慮兩個形狀均為 (100,) 的純量值陣列 X 和 Y。生成的資料集應包含每個 20 個時間戳的樣本。樣本不應重疊。要生成一個使用目前時間戳來預測相應目標時間步的資料集，您可以使用
X = np.arange(100)
Y = X*2
sample_length = 20
input_dataset = timeseries_dataset_from_array(
X, None, sequence_length=sample_length, sequence_stride=sample_length)
target_dataset = timeseries_dataset_from_array(
Y, None, sequence_length=sample_length, sequence_stride=sample_length)
for batch in zip(input_dataset, target_dataset):
inputs, targets = batch
assert np.array_equal(inputs[0], X[:sample_length])
# second sample equals output timestamps 20-40
assert np.array_equal(targets[1], Y[sample_length:2*sample_length])
break
pad_sequences 函數
keras.utils.pad_sequences(
sequences, maxlen=None, dtype="int32", padding="pre", truncating="pre", value=0.0
)
將序列填充至相同長度。
此函數將序列列表（長度為 num_samples）（整數列表）轉換為形狀為 (num_samples, num_timesteps) 的 2D NumPy 陣列。num_timesteps 要么是提供的 maxlen 參數，要么是列表中最長序列的長度。
比 num_timesteps 短的序列會用 value 填充，直到它們長度達到 num_timesteps。
長度超過 num_timesteps 的序列會被截斷，以符合所需的長度。
填充或截斷發生的位置分別由參數 padding 和 truncating 決定。預先填充或從序列開頭移除值是預設行為。
>>> sequence = [[1], [2, 3], [4, 5, 6]]
>>> keras.utils.pad_sequences(sequence)
array([[0, 0, 1],
[0, 2, 3],
[4, 5, 6]], dtype=int32)
>>> keras.utils.pad_sequences(sequence, value=-1)
array([[-1, -1, 1],
[-1, 2, 3],
[ 4, 5, 6]], dtype=int32)
>>> keras.utils.pad_sequences(sequence, padding='post')
array([[1, 0, 0],
[2, 3, 0],
[4, 5, 6]], dtype=int32)
>>> keras.utils.pad_sequences(sequence, maxlen=2)
array([[0, 1],
[2, 3],
[5, 6]], dtype=int32)
參數
- sequences：序列列表（每個序列都是一個整數列表）。
- maxlen：可選的整數，所有序列的最大長度。如果未提供，則序列將填充至最長單個序列的長度。
- dtype：（可選，預設為
"int32"）。輸出序列的類型。要使用可變長度字串填充序列，您可以使用object。 - padding：字串，"pre" 或 "post"（可選，預設為
"pre"）：在每個序列之前或之後進行填充。 - truncating：字串，"pre" 或 "post"（可選，預設為
"pre"）：從大於maxlen的序列中移除值，可以從序列的開頭或結尾移除。 - value：浮點數或字串，填充值。（可選，預設為
0.）
返回
形狀為 (len(sequences), maxlen) 的 NumPy 陣列