带有注意机制的循环神经网络（RNN）通常用于机器翻译和自然语言处理。在 Python 中，RNN With Attention Mechanism 的实现在机器翻译中非常丰富（例如https://talbaumel.github.io/blog/attention/，但是我想做的是在时间上使用 RNN With Attention Mechanism数据文件（不是任何基于文本/句子的数据）。
我有一个尺寸为 21392 x 1972 的 CSV 文件，我已使用 Pandas 将其转换为 Dataframe。第一列是日期时间格式，最后一列包含我想识别的目标类，如“Class1”、“Class2”、“Class3”等。因此，总共有 21392 行（以 10 分钟为时间步长的数据实例）和 1971 个特征。最后（第 1972 列）是标签列，共有 14 个不同的类。
我已经查看了有关 Keras （ https://medium.com/datalogue/attention-in-keras-1892773a4f22）以及 Tensorflow （在 Tensorflow中可视化注意力激活）的可用实施文档，但他们似乎都没有做什么我想完成。我知道这是一种不寻常的方法，但我想尝试一下并使用注意力机制，因为我的许多特征在数据中可能是多余的。
import pandas as pd
mydataset = pd.read_csv('final_merged_data.csv')
从现有文献来看，注意力机制在耦合到 RNN 时效果很好。我无法找到任何这样的带有注意力机制的 RNN 实现，它也可以提供可视化。我也无法理解如何将我的数据转换为序列（或列表列表），以便之后我可以将它与 One Hot Encoding 一起使用，以使用带有 Attention 的 RNN。我是使用 Python 以及 Keras/Tensorflow 的新手，并且对将我的数据/类型转换为能够模拟序列分类问题的形式的过程感到非常困惑。我的问题基本上是多类分类，就像通常使用机器学习分类器来预测标签一样，但使用带有注意力的 RNN。在这方面的任何帮助将不胜感激。干杯!