我正在尝试使用自动编码器来获取时间序列并重建它。我的数据有 10 个长度为 365 和一维的时间序列，回溯窗口为 28 天。Autoencoder 模型基于这个keras 博客. 所以基本上这个模型应该得到一个由 28 个值组成的序列，并尝试将它们重建为结果。正如您在代码中看到的那样，我训练了模型，然后给了它 100 个序列作为测试。然后我尝试绘制每个序列步骤的结果值（见图）。我想看看这 28 个时间步是如何构造的。所以在图片中你可以看到它们每个的 28 个图（蓝线是真实/预期值，橙色线是重建结果）。对于第一个时间步，它总是很糟糕并且几乎是一个恒定值，然后在接下来的时间步中它会变得越来越好，而对于最后一个时间步，它几乎能够重建真实值。这是怎么回事？我希望在所有时间步长上看到相同的模式。您如何解释这些图以及 Autoencoder 在这里的工作方式？
seq_len = 28
n_features = 1
enc_hunits = 14
data.shape = (5642, 28, 1)
inputEncoder = Input(shape=(seq_len, n_features), name='inputEncoder')
outEncoder = LSTM(enc_hunits, name='outputEncoder')(inputEncoder)
encoder_model = Model(inputEncoder, outEncoder)
c = RepeatVector(seq_len/enc_hunits, name='inputDecoder')(outEncoder)
c_reshaped = Reshape((seq_len, n_features), name='ReshapeLayer')(c)
outDecoder = LSTM(1, return_sequences=True, name='decoderLSTM')(c_reshaped)
autoencoder = Model(inputEncoder, outDecoder)
autoencoder.compile(loss='mse', optimizer='rmsprop')
history = autoencoder.fit(data, data,
validation_split=validation_split_ratio,
epochs=epochs,
)
test = data[:100, :, :] # get 100 examples from training
result = autoencoder.predict(test)
#....
plot_results(test, result, n_ts=seq_len)
def plot_results(exp, rec, n_ts=28):
fig = pyplot.figure(figsize=(30, 30))
fig.subplots_adjust(hspace=0.32, wspace=0.15)
count = 1
for irow in range(n_ts):
ax = fig.add_subplot(n_ts/2, 2, count)
ax.plot(exp[:, irow], "--", marker='o', label="Input")
ax.plot(rec[:, irow], marker='o', label="Reconstructed", linewidth=3, alpha=0.5)
ax.set_title("{:}th timestep".format(irow))
ax.legend()
count += 1
pyplot.legend()
pyplot.savefig("all_timesteps.png")
pyplot.clf()
更新：如果我删除 Reshape 线并且只有 RepeatVector 重复 seq_len 次，会有什么区别，如下所示： c = RepeatVector(seq_len, name='inputDecoder')(outEncoder) 。所以在我的情况下，它将重复向量 28 次而不是 2 次。这将如何影响解码器输入？我尝试了它并再次绘制了所有时间步，这次没有一个时间步被正确重建。第一个情节与这里的图片中的第一个情节相同，其余的与图片中的第二个情节几乎相同。我想知道为什么？
