我有一些来自多个用户(nUsers)的数据集.每个用户随机抽样(每个用户的非常数nSamples).每个样本都有许多功能(nFeatures).例如:
nUsers = 3 ---> 3个用户
nSamples = [32,52,21] --->第一个用户被采样32次第二个用户被采样52次等.
nFeatures = 10 --->每个样本的特征数量恒定.
我希望LSTM基于当前特征和同一用户的先前预测产生当前预测.我可以使用LSTM层在Keras中做到这一点吗？我有两个问题:1.每个用户的数据都有不同的时间序列.我该怎么办呢？2.如何处理将先前的预测添加到当前时间特征空间以进行当前预测？
谢谢你的帮助!
我有一个包含 1000 列的 Pandas 数据框。假设我想将 100 到 499 列重命名为 ['x1','x2',....,'x400']。有没有办法在熊猫数据框中做到这一点而无需单独重命名每一列？我知道如何进行多次重命名，我只想弄清楚是否可以对一系列列进行重命名，而无需指定每列的名称（我不想在 中单独写入 1000 个列名dataframe.columns）。
我正在使用带有Tensorflow后端的Keras.当我尝试使用'selu'激活功能时:
model.add(Dense(32, input_shape=(input_length - 1,)))
model.add(Activation('selu'))
我得到的错误是:
ValueError: Unknown activation function:selu
这有什么解决方案吗？