我有一些正弦波的Y轴值作为特征，我将其标记为通过或失败，并使用线性回归对其进行训练，得到了98％（自这是一个综合数据） 现在，我试图将数据提供给LSTM模型，并希望查看其准确性。但是我不知道如何使用我的数据指定LSTM模型。
我有Y =标签=
array（[[1，0]，[1，0]，[1，0]，[1，0]，[1，0]，[0，1]，[0，1]，[0 ，1]，[0，1]，[0，1]，[0，1]，[0，1]，[0，1]，[0，1]，[0，1]，[0，1 ]，[0，1]，[0，1]，[0，1]，[0，1]，...]的形状为（11564，2）。
我有一个特征= X =
array（[[0.，0.03140919，0.06278424，...，-0.08864117，-0.0591398，-0.02958302]，[0.，0.03140762，0.06277796，...，-0.08349163，-0.05570133，-0.02786163]， [0.，0.03140605，0.06277169，...，-0.07864125，-0.05246279，-0.02624041]，...，[0.，0.96491418，-0.5409955，...，0.，0.，0.]，[ 0.，0.96496242，-0.5410496，...，0.，0.，0.]，[0.，0.96501067，-0.54110371，...，0.，0。，0.]]）），形状为（11564，1200））
现在如何选择LSTM代码的值：
model = Sequential（）
model.add（keras.layers.LSTM（hidden_nodes，input_shape =（window，num_features）））
model.add（Dropout（0.2））
model.add（keras.layers.Dense（num_features，activation ='sigmoid'））
optimizer = keras.optimizers.SGD（lr = learning_rate，衰减= 1e-6，动量= 0.9，nesterov = True）
答案 0 :(得分：0)
清单：
1确保您的X，输入为（11564，n）n是每一行的长度数，请确保n在每一行中都相同，如果现在已经相同，请考虑使用padding func
2似乎您需要一个嵌入层或类似的东西才能让lstm接受您的数据，或者将它们缩小到较低的程度，或者以某种方式减少
keras.layers.LSTM（单位，激活='tanh'，recurrent_activation ='hard_sigmoid'，use_bias = True，kernel_initializer ='glorot_uniform'，recurrent_initializer ='正交'，bias_initializer ='zeros'，unit_forget_bias = izer真正， =无，recurrent_regularizer =无，bias_regularizer =无，activity_regularizer =无，kernel_constraint =无，recurrent_constraint =无，bias_constraint =无，辍学= 0.0，recurrent_dropout = 0.0，实现= 1，return_sequences = False，return_state = False，go_backwards = ，有状态= False，展开= False）
这是kaggle的示例： https://www.kaggle.com/divrikwicky/fast-basic-lstm-with-proper-k-fold-sentimentembed