
使用 RNN,為序列資料建立模型
|
221
File outPathLabels;
if (trainCount < nTrain) {
outPathFeatures = new File(featuresDirTrain, trainCount + ".csv");
outPathLabels = new File(labelsDirTrain, trainCount + ".csv");
trainCount++;
} else {
outPathFeatures = new File(featuresDirTest, testCount + ".csv");
outPathLabels = new File(labelsDirTest, testCount + ".csv");
testCount++;
}
FileUtils.writeStringToFile(outPathFeatures, p.getFirst());
FileUtils.writeStringToFile(outPathLabels, p.getSecond().toString());
}
}
}
我們會在接下來幾節討論一下程式碼的各個部分。
設定輸入資料與向量化
在範例 5-4 中,我們並不需要以人工方式取得資料,因為
downloadUCIData()
方法已經幫我
們完成這項工作了。它還會把 600 個時間序列樣本,切分成 450 個訓練組資料與 150 個
測試組資料。然後它會使用
CSVSequenceRecordReader ...