Python tf.keras.utils.timeseries_dataset_from_array用法及代碼示例

在以數組形式提供的時間序列上創建滑動窗口數據集。

用法

tf.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
)

此函數接受以相等間隔收集的data-points 序列，以及時間序列參數，例如序列/窗口的長度、兩個序列/窗口之間的間距等，以生成批次的時間序列輸入和目標。

示例 1：

考慮索引 [0, 1, ... 99] 。使用 sequence_length=10, sampling_rate=2, sequence_stride=3 , shuffle=False ，數據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 3 個數據點被丟棄，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，因此其最後一步將超過 99)。

示例 2：時間回歸。

考慮一個形狀為 (steps,) 的標量值數組 data 。要生成使用過去 10 個時間步來預測下一個時間步的數據集，您可以使用：

input_data = data[:-10]
targets = data[10:]
dataset = tf.keras.preprocessing.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]
  assert np.array_equal(targets[0], data[10])  # Corresponding target:step 10
  break

示例 3：many-to-many 架構的時間回歸。

考慮兩個標量值數組 X 和 Y ，它們的形狀都是 (100,) 。生成的數據集應包含每個具有 20 個時間戳的樣本。樣本不應重疊。要生成使用當前時間戳來預測相應目標時間步長的數據集，您可以使用：

X = np.arange(100)
Y = X*2

sample_length = 20
input_dataset = tf.keras.preprocessing.timeseries_dataset_from_array(
  X, None, sequence_length=sample_length, sequence_stride=sample_length)
target_dataset = tf.keras.preprocessing.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