我在python中看到了很多关于类似主题的帮助，但我使用的是R实现，似乎无法复制任何建议的解决方案。
我正在尝试设置像这样的LSTM，
Select Cast(DatePart(Month, GR_Date) As Varchar(2)) + ' ' + Cast(DatePart(Year, GR_Date) As varchar(4))
然而，当我运行mod <- Sequential()
mod$add(LSTM(50, activation = 'relu', dropout = 0.25, input_shape = c(dim(X_train_scaled)[1], dim(X_train_scaled)[2]), return_sequences = TRUE))
mod$add(Dense(1))
keras_compile(mod, loss = 'mean_squared_error', optimizer = 'adam')
keras_fit(mod, X_train_scaled, Y_train, batch_size = 72, epochs = 10, verbose = 1, validation_split = 0.1)
时，我收到以下错误，
keras_fit
X_train是一个数字矩阵，有2000行和44列，代表2000个时间步长，每个时间步长有44个特征值
Y_train是长度为2000的数字向量
我应该补充一点，当我尝试使用Error in py_call_impl(callable, dots$args, dots$keywords) :
ValueError: Error when checking input: expected lstm_36_input to have 3 dimensions, but got array with shape (2000, 44)的3维值来指定跟随input_shape结构的输入形状时，我在添加时会出现这样的错误LSTM层到模型，
(samples, timesteps, features)
答案 0 :(得分：0)
您的列车矩阵应为3维(samples, timesteps, features)。然后你必须使用input_shape的第二和第三维：
input_shape = c(dim(X_train_scaled)[2], dim(X_train_scaled)[3])
此外，数据集中的行数为samples，而不是timesteps。您可以详细了解samples，timesteps和features here。