LSTM（long short term memory，长短期记忆网络）是预测时间序列最常用的神经网络模型之一。但是这种神经网络模型相当复杂，需要特定的结构、数据前期处理等操作。

当在网上搜寻要学习的代码时，很难将另一个程序员的代码合并到当前开展的项目中。对于LSTM尤其如此，导致这些问题的关键在于：

• 数据准备的顺序
• 数据存储的结构

简单地说，由于两个关键步骤有多种方法可以获得相同的结果，因此每个程序员选择的路径可能有所不同。

在这篇文章中，将分析为什么我们必须下定决心使用一组特定的范例，特别是在为冗长的LSTM编程时，以便更好地调试和共享。

LSTM 数据准备阶段

本质上，当我们为模型准备时间序列数据时，需要执行以下关键步骤：

• 按时间分割数据集
• 将数据集转换为有监督学习问题

这两个步骤的执行顺序没有明确规定。
因此一部分程序员先分割数据集，然后将其转化为监督学习问题。而其他程序员则颠倒两者顺序。

先分割数据集，然后转换为有监督学习问题

先转换为有监督学习问题，然后分割数据集

处理结果

对比而言，虽然处理的结果相同，但是先分割数据集的方式所需代码更少。而部分程序员在编程过程中，会使用第二种方式，这就导致了社区中交流问题和代码时产生一定的差异和混乱。所以本文推荐优先分割数据集的方式。

数据结构

在我们决定了为LSTM准备数据的正确顺序之后，我们需要选择使用哪种合适的数据结构。数据结构大致可以分为以下三种：

• Pandas DataFrame
• Numpy Arrays
• Lists

Pandas DataFrame

Pandas 是一个可靠的且便于操作的数据处理库。而我们在编写人工智能算法时，总是需要在进程的任何一步检查数据以便于调试。在 Pandas 库中可以很方便地做到这一点：

df.head()

<br>Pandas 示例：谷歌股票

通过 Pandas 可以打印出数据情况，以检查在程序运行过程中是否出现错误。

Pandas 示例：一个模拟有监督学习问题的pandas dataframe

相比较而言， List 则具有多维度、不易于理解的缺点，对于调试工作不太友好。

Numpy Arrays

所有数据集或多或少都会转换为 NumPy Arrays 以进行编辑或缩放操作。例如，如果我们希望在0和1之间缩放数据集，可以使用名为MinMaxScaler的工具:

from sklearn.preprocessing import MinMaxScaler
#df is pandas DataFrame
#conversion to numpy array
df = df.Values
scaler = MinMaxScaler(feature_range=(0, 1))
scaled_values = scaler.fit_transform(df)

将整个数据集作为NumPy Array 的问题在于，无法详细查看其中的内容。不能够以列名称的方式查看数据（将数据集转换为有监督的学习问题时，这一点非常重要）。并且对于算法的调试工作不够友好。

幸运的是，可以轻松地从NumPy Arrays 切换回 DataFrame。

Lists

将数据集的内容存储在多维列表中是十分低效的。以 Kaggle 上发表的一段代码为例：

List 示例：一个四因素的时间序列数据存储

不难发现，通过 Lists 难以直接定位数据并查看数据，并且不能够通过列名称的方式组织数据。

总结

规范化这个问题并不局限于LSTM，但是在 LSTM 编程过程中十分普遍。缺乏规范化导致在实际编程中，不能够直接一个接一个地调用程序或函数。

现有的情况下，代码看起来可能很简单而且很快，但是搜索错误、调试代码是个很大的问题。在函数声明过程中，输入数据的名称可能会更改，因此当想要检查隐藏在代码中的变量的值或输出时，往往不能简单地调用原始的数据名称，必须使用它所涉及到的所有代码才能提取该数据的真实值。

这就是本文推荐使用统一的数据框架的原因。通过统一使用 Pandas Dataframe，可以轻松地检查每个函数地输出，更好地进行算法调试工作。

deephub 小组经验

基本上所有的所有的编程语言的数字下标都是从0开始的，这就使得我们在处理序列数据的时候需要改掉以 1为起始的现实中的习惯。并且在python处理分片的时候使用的是左闭右开（绝大部分，并不是全部）的原则，这也是导致了我们对时序数组的操作需要特别的注意。

实际案例：LSTM需要通过前30天的数据，预测当天的数据，处理输入数据的数组下标如何写，有兴趣的小伙伴可以手动试试。

作者：Michelangiolo Mazzeschi

deephub翻译组：oliver lee

关注公众号 "deephub-imba" 获取更多AI干货