machine-learning - 为 RNN 设置正确的输入

Question

在数据库中有带有记录的时间序列数据:

device - timestamp - temperature - min limit - max limit

device - timestamp - temperature - min limit - max limit

device - timestamp - temperature - min limit - max limit

...

每 device有 4 小时的时间序列数据(间隔 5 分钟)在发出警报之前有 4 小时的时间序列数据(再次间隔 5 分钟)没有引发任何警报。该图更好地描述了数据的表示，对于每个 device :

我需要在 python 中使用 RNN 类进行警报预测。我们定义警报时 temperature低于 min limit或以上 max limit .
阅读tensorflow的官方文档后here ，我在理解如何设置模型的输入时遇到了麻烦。我应该事先规范化数据还是其他什么，如果是，如何规范化？
也在阅读答案 here也没有帮助我清楚地了解如何将我的数据转换为 RNN 模型可接受的格式。
关于如何 X 的任何帮助和 Y在 model.fit应该看起来像我的情况？
如果您看到有关此问题的任何其他问题，请随时发表评论。
附注。我已经设置了 python在 docker与 tensorflow , keras等等，以防这些信息有帮助。

Answer 1

您可以从 a snippet 开始你在问题中提到的。

Any help on how the X and Y in model.fit should look like for my case?

X应该是一个形状为 [num samples, sequence length, D] 的 numpy 矩阵，其中 D是每个时间戳的多个值。我想 D=1在您的情况下，因为您只传递温度值。y应该是目标值的向量(如片段中所示)。二进制(警报/not_alarm)或连续(例如最大温度偏差)。在后一种情况下，您需要更改 sigmoid 激活以进行其他操作。

Should i normalise the data beforehand

是的，预处理您的原始数据是必不可少的。我认为这里有两件重要的事情要做:

使用 min-max 或标准化( wiki 、 sklearn preprocessing )对温度值进行标准化。另外，我会添加一些平滑。

从所有时间序列中删除最后时间戳的一部分以避免信息泄漏。

最后，我想说这个任务比看起来更复杂。您可能想要找到关于时间序列分类的良好入门教程，或者一般的机器学习类(class)。我相信你可以找到比 RNN 更好的方法。