时间序列数据准备时如何拼接不同试验的滑动窗口数据用于LSTM训练

错误原因 #

你遇到的报错由两个核心问题导致：

• tf.data.Dataset.window()返回的是嵌套的WindowDataset结构，每个元素本身仍是子Dataset，无法直接拼接，也不符合LSTM的张量输入要求
• tf.concat是张量拼接API，不能直接作用于Dataset对象，Dataset拼接需要用自带的concatenate()方法

修正后完整代码 #

import numpy as np
import tensorflow as tf

participant1 = np.arange(0,40,1).reshape(10,4) # time * features
participant2 = np.arange(40,84,1).reshape(11,4) # time * features

window_size=2
# 处理参与者1的数据集
input1 = tf.data.Dataset.from_tensor_slices(participant1)
input1 = input1.window(window_size, shift=1, drop_remainder=True)
# 把嵌套的WindowDataset压平为单个窗口张量
input1 = input1.flat_map(lambda window: window.batch(window_size))

# 处理参与者2的数据集
input2 = tf.data.Dataset.from_tensor_slices(participant2)
input2 = input2.window(window_size, shift=1, drop_remainder=True)
input2 = input2.flat_map(lambda window: window.batch(window_size))

# 拼接两个数据集
dataset = input1.concatenate(input2)

# 验证结果：可打印所有元素的形状和值
for window in dataset:
    print(window.shape, window.numpy())

关键修改说明 #

• 新增flat_map操作：将window生成的每个子Dataset批量打包为形状为(窗口大小, 特征数)的二维张量，直接适配LSTM的输入格式要求
• 替换拼接API：用Dataset.concatenate()方法完成两个同结构Dataset的拼接，拼接后总样本量为两个参与者的窗口数之和（参与者1有9个窗口，参与者2有10个窗口，拼接后共19个样本）

内容的提问来源于stack exchange，提问作者Zhengliang Xia