时间序列数据加载
timeseries_dataset_from_array 函数
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,
)
创建一个基于数组提供的时间序列的滑动窗口数据集。
此函数接收以相等间隔收集的数据点序列，以及时间序列参数（例如序列/窗口的长度、两个序列/窗口之间的间距等），以生成时间序列输入和目标的批次。
参数
- data：包含连续数据点（时间步）的 NumPy 数组或急切张量。预期轴 0 为时间维度。
- targets：对应于
data中时间步的目标。targets[i]应对应于从索引i开始的窗口的目标（请参阅下面的示例 2）。如果您没有目标数据，请传递None（在这种情况下，数据集将仅产生输入数据）。 - sequence_length：输出序列的长度（以时间步数表示）。
- sequence_stride：连续输出序列之间的周期。对于步长
s，输出样本将从索引data[i]、data[i + s]、data[i + 2 * s]等开始。 - sampling_rate：序列内连续单个时间步之间的周期。对于速率
r，时间步data[i]、data[i + r]、... data[i + sequence_length]用于创建样本序列。 - batch_size：每个批次中的时间序列样本数（最后一个批次可能除外）。如果为
None，则数据将不会被批处理（数据集将产生单个样本）。 - shuffle：是否打乱输出样本，或者按时间顺序提取它们。
- seed：可选整数；用于打乱的随机种子。
- start_index：可选整数；输出序列中不会使用早于（不包括）
start_index的数据点。这对于保留部分数据用于测试或验证很有用。 - end_index：可选整数；输出序列中不会使用晚于（不包括）
end_index的数据点。这对于保留部分数据用于测试或验证很有用。
返回值
一个 tf.data.Dataset 实例。如果传递了 targets，则数据集将产生元组 (batch_of_sequences, batch_of_targets)。否则，数据集将仅产生 batch_of_sequences。
示例 1
考虑索引 [0, 1, ... 98]。使用 sequence_length=10, sampling_rate=2, sequence_stride=3、shuffle=False，数据集将产生由以下索引组成的序列批次
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]
在这种情况下，最后 2 个数据点被丢弃，因为无法生成包含它们的完整序列（下一个序列将从索引 81 开始，因此其最后一步将超过 98）。
示例 2：时间回归。
考虑一个形状为 (steps,) 的标量值的数组 data。要生成一个使用过去 10 个时间步预测下一个时间步的数据集，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
示例 3：多对多架构的时间回归。
考虑两个标量值的数组 X 和 Y，它们都具有形状 (100,)。结果数据集应包含每个具有 20 个时间戳的样本。样本不应重叠。要生成一个使用当前时间戳预测对应目标时间戳的数据集，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 函数
keras.utils.pad_sequences(
sequences, maxlen=None, dtype="int32", padding="pre", truncating="pre", value=0.0
)
将序列填充到相同的长度。
此函数将长度为 num_samples 的序列列表（整数列表）转换为形状为 (num_samples, num_timesteps) 的二维 NumPy 数组。num_timesteps 是提供的 maxlen 参数，或者是列表中最长序列的长度。
短于 num_timesteps 的序列将用 value 填充，直到它们达到 num_timesteps 长度。
长于 num_timesteps 的序列将被截断，以使其适合所需的长度。
填充或截断发生的位置由参数 padding 和 truncating 分别确定。默认情况下，预填充或从序列开头删除值。
>>> 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)
参数
- sequences：序列列表（每个序列都是一个整数列表）。
- maxlen：可选整数，所有序列的最大长度。如果未提供，则序列将填充到最长单个序列的长度。
- dtype：(可选，默认为
"int32")。输出序列的类型。要使用可变长度字符串填充序列，可以使用object。 - padding：字符串，“pre” 或“post”（可选，默认为
"pre"）：在每个序列之前或之后填充。 - truncating：字符串，“pre” 或“post”（可选，默认为
"pre"）：从大于maxlen的序列中删除值，在序列的开头或结尾。 - value：浮点数或字符串，填充值。（可选，默认为
0.）
返回值
形状为 (len(sequences), maxlen) 的 NumPy 数组