У меня есть набор данных, который содержит данные временного ряда и данные других функций. Обычно мы используем RNN или любой вариант RNN, такой как LSTM, для данных временных рядов и простой Dense Layer для функций Data. Мне нужно объединить обе модели в одну. Как мы можем это сделать?
Ниже приводится входной набор данных
| Month1 | Month2 | Month3 | Month4 | Month5 | Age | UserType | CityA | CityB | CityC | Class |
|--------|---------|--------|--------|--------|-----|----------|-------|-------|-------|-------|
| 124 | 565 | 84 | 54 | 84 | 32 | 0 | 1 | 0 | 0 | 1 |
| 324 | 45 | 849 | 2156 | 846 | 32 | 1 | 0 | 1 | 0 | 0 |
| 345 | 5 | 15 | 215 | 848 | 34 | 0 | 0 | 0 | 1 | 0 |
| 24 | 525 | 84 | 2185 | 5498 | 56 | 1 | 0 | 1 | 0 | 1 |
| 3 | 15 | 8 | 21 | 84 | 54 | 1 | 1 | 0 | 0 | 1 |
| 345 | 215 | 4 | 21 | 86 | 32 | 1 | 0 | 0 | 1 | 0 |
| 63 | 21 | 22 | 455 | 84 | 25 | 0 | 0 | 0 | 1 | 1 |
| 3435 | 512 | 8 | 45 | 456 | 23 | 0 | 1 | 0 | 0 | 0 |
Мне нужно применить двоичную классификацию к этому набору данных. Я собрал Keras LSTM, используя
| Month1 | Month2 | Month3 | Month4 | Month5 | Class |
|--------|---------|--------|--------|--------|-------|
| 124 | 565 | 84 | 54 | 84 | 1 |
| 324 | 45 | 849 | 2156 | 846 | 0 |
| 345 | 5 | 15 | 215 | 848 | 0 |
| 24 | 525 | 84 | 2185 | 5498 | 1 |
| 3 | 15 | 8 | 21 | 84 | 1 |
| 345 | 215 | 4 | 21 | 86 | 0 |
| 63 | 21 | 22 | 455 | 84 | 1 |
| 3435 | 512 | 8 | 45 | 456 | 0 |
, а затем другой DNN, используя
| Age | UserType | CityA | CityB | CityC | Class |
|-----|----------|-------|-------|-------|-------|
| 32 | 0 | 1 | 0 | 0 | 1 |
| 32 | 1 | 0 | 1 | 0 | 0 |
| 34 | 0 | 0 | 0 | 1 | 0 |
| 56 | 1 | 0 | 1 | 0 | 1 |
| 54 | 1 | 1 | 0 | 0 | 1 |
| 32 | 1 | 0 | 0 | 1 | 0 |
| 25 | 0 | 0 | 0 | 1 | 1 |
| 23 | 0 | 1 | 0 | 0 | 0 |
(Есть еще несколько подобных функций).
Обе модели обучаются и прогнозируются отдельно. Я хочу обучить одну модель, которая содержит слой LSTM и плотный слой, но не знаю, как это реализовать. Нужна помощь в этом