12、深入理解Keras模型的数据处理与构建

深入理解Keras模型的数据处理与构建

1. 数据格式转换

1.1 日期设置

起始日期对应2014年1月延迟数据集的开始。可以通过更新配置文件 streetcar_model_training_config.yml 中的参数来更改结束日期，但要确保结束日期不晚于原始数据源（http://mng.bz/4B2B）的最新延迟数据。

1.2 转换为Keras模型所需格式

Keras模型期望输入为张量。可以将张量视为矩阵的泛化，矩阵是二维张量，向量是一维张量。以下是不同维度张量的常见术语和示例：
| 维度 | 常见术语 | 示例 |
| ---- | ---- | ---- |
| 0 | 标量 | 1 |
| 1 | 向量 | [1, 2, 3] |
| 2 | 矩阵 | 略 |
| 3 | 3D矩阵 | 略 |

在Pandas数据框中完成所有必要的数据转换后，将数据输入模型进行训练之前的最后一步是将数据转换为Keras模型所需的张量格式。以下是实现此转换的代码：

def __init__(self):
    self.dictlist = [] 
    return None

def transform(self, X, y=None, **tranform_params):
    for col in self.collist:
        print("cat col is",col)
        self.dictlist.append(np.array(X[c