我有250天的数据，72个训练样本的特征和一列目标变量。并希望预测未来30天的21351行每个具有72个功能。我将如何重塑输入和输出的数据。似乎我有点混乱，图书馆给我一个关于形状不兼容的错误。
我正在重塑：
trainX.reshape(1, len(trainX), trainX.shape[1])
trainY.reshape(1, len(trainX))
但是给我错误：
ValueError：输入数组应与目标数组具有相同数量的样本。找到1个输入样本和250个目标样本。
同样的错误：
trainX.reshape(1, len(trainX), trainX.shape[1])
trainY.reshape(len(trainX), )
和同样的错误：
trainX.reshape(1, len(trainX), trainX.shape[1])
trainY.reshape(len(trainX), 1)
目前，trainX被重塑为：
trainX.reshape(trainX.shape[0], 1, trainX.shape[1])
array([[[ 4.49027601e+00, -3.71848297e-01, -3.71848297e-01, ...,
1.06175239e+17, 1.24734085e+06, 5.16668131e+00]],
[[ 2.05921386e+00, -3.71848297e-01, -3.71848297e-01, ...,
8.44426594e+17, 1.39098642e+06, 4.01803817e+00]],
[[ 9.25515792e+00, -3.71848297e-01, -3.71848297e-01, ...,
4.08800518e+17, 1.24441013e+06, 3.69129399e+00]],
...,
[[ 3.80037999e+00, -3.71848297e-01, -3.71848297e-01, ...,
1.35414902e+18, 1.23823291e+06, 3.54601899e+00]],
[[ 3.73994822e+00, -3.71848297e-01, 8.40698741e+00, ...,
3.93863169e+17, 1.25693299e+06, 3.29993440e+00]],
[[ 3.56843035e+00, -3.71848297e-01, 1.53710656e+00, ...,
3.28306336e+17, 1.22667253e+06, 3.36569960e+00]]])
trainY改编为：
trainY.reshape(trainY.shape[0], )
array([[-0.7238661 ],
[-0.43128777],
[-0.31542821],
[-0.35185375],
...,
[-0.28319519],
[-0.28740503],
[-0.24209411],
[-0.3202021 ]])
和testX重塑为：
testX.reshape(1, testX.shape[0], testX.shape[1])
array([[[ -3.71848297e-01, -3.71848297e-01, -3.71848297e-01, ...,
-3.71848297e-01, 2.73982042e+06, -3.71848297e-01],
[ -3.71848297e-01, -3.71848297e-01, -3.71848297e-01, ...,
-3.71848297e-01, 2.73982042e+06, -3.71848297e-01],
[ -3.71848297e-01, -3.71848297e-01, -3.71848297e-01, ...,
2.00988794e+18, 1.05992636e+06, 2.49920150e+01],
...,
[ -3.71848297e-01, -3.71848297e-01, -3.71848297e-01, ...,
-3.71848297e-01, -3.71848297e-01, -3.71848297e-01],
[ -3.71848297e-01, -3.71848297e-01, -3.71848297e-01, ...,
-3.71848297e-01, -3.71848297e-01, -3.71848297e-01],
[ -3.71848297e-01, -3.71848297e-01, -3.71848297e-01, ...,
-3.71848297e-01, -3.71848297e-01, -3.71848297e-01]]])
，错误是：
ValueError：检查时出错：预期lstm_25_input具有形状（无，1,72）但是具有形状的数组（1,2895067,72）
编辑1：
以下是我的模特代码：
trainX = trainX.reshape(trainX.shape[0], 1, trainX.shape[1])
trainY = trainY.reshape(trainY.shape[0], )
testX = testX.reshape(1, testX.shape[0], testX.shape[1])
model = Sequential()
model.add(LSTM(100, return_sequences=True, input_shape = trainX.shape[0], trainX.shape[2])))
model.add(LSTM(100))
model.add(Dense(1, activation='linear'))
model.compile(loss='mse', optimizer='adam')
model.fit(trainX, trainY, epochs=500, shuffle=False, verbose=1)
model.save('model_lstm.h5')
model = load_model('model_lstm.h5')
prediction = model.predict(testX, verbose=0)
ValueError Traceback（最近一次调用 最后）in（） 43 model.compile（loss =＆＃39; mse＆＃39;，optimizer =＆＃39; adam＆＃39;） 44 ---＆GT; 45 model.fit（exog，endog，epochs = 50，shuffle = False，verbose = 1） 46 47 start_date = endog_end + timedelta（days = 1）
D：\ AnacondaIDE \ lib \ site-packages \ keras \ models.py in fit（self，x，y， batch_size，epochs，verbose，callbacks，validation_split， validation_data，shuffle，class_weight，sample_weight，initial_epoch， ** kwargs） 865 class_weight = class_weight， 866 sample_weight = sample_weight， - ＆GT; 867 initial_epoch = initial_epoch） 868 869 def evaluate（self，x，y，batch_size = 32，verbose = 1，
D：\ AnacondaIDE \ lib \ site-packages \ keras \ engine \ training.py in fit（self， x，y，batch_size，epochs，verbose，callbacks，validation_split， validation_data，shuffle，class_weight，sample_weight，initial_epoch， steps_per_epoch，validation_steps，** kwargs）1520
class_weight = class_weight，1521 check_batch_axis = False， - ＆GT; 1522 batch_size = batch_size）1523＃准备验证数据。 1524 do_validation = FalseD：\ AnacondaIDE \ lib \ site-packages \ keras \ engine \ training.py in _standardize_user_data（self，x，y，sample_weight，class_weight，check_batch_axis，batch_size）1376
self._feed_input_shapes，1377
check_batch_axis =假 - ＆GT; 1378 exception_prefix =＆＃39;输入＆＃39;）1379 y = _standardize_input_data（y，self._feed_output_names，
1380 output_shapes，D：\ AnacondaIDE \ lib \ site-packages \ keras \ engine \ training.py in _standardize_input_data（数据，名称，形状，check_batch_axis，exception_prefix） 142＆＃39;有形状＆＃39; + str（shapes [i]）+ 143＆＃39;但得到了阵型＆＃39; + - ＆GT; 144 str（array.shape）） 145个返回数组 146
ValueError：检查输入时出错：预期lstm_31_input有 形状（无，250,72），但有阵列形状（21351,1,72）
编辑2：
从@Paddy尝试更新后的解决方案后，我在调用predict（）时遇到了这个错误：
ValueError Traceback（最近一次调用 最后）in（） 1个模型= load_model（＆＃39; model_lstm.h5＆＃39;） 2 ----＆GT; 3预测= model.predict（exog_test，verbose = 0） 4＃表示范围内的x（0，len（exog_test））：
D：\ AnacondaIDE \ lib \ site-packages \ keras \ models.py in predict（self，x， batch_size，详细） 911如果不是self.built： 912 self.build（） - ＆GT; 913返回self.model.predict（x，batch_size = batch_size，verbose = verbose） 914 915 def predict_on_batch（self，x）：
D：\ AnacondaIDE \ lib \ site-packages \ keras \ engine \ training.py in 预测（self，x，batch_size，verbose，steps）1693 x = _standardize_input_data（x，self._feed_input_names，1694 self._feed_input_shapes， - ＆GT; 1695 check_batch_axis = False）1696如果self.stateful：1697如果x [0] .shape [0]＆gt; batch_size和x [0] .shape [0]％batch_size！= 0：
D：\ AnacondaIDE \ lib \ site-packages \ keras \ engine \ training.py in _standardize_input_data（数据，名称，形状，check_batch_axis，exception_prefix） 130＆＃39;拥有＆＃39; + str（len（shapes [i]））+ 131＆＃39;尺寸，但有形状阵列＆＃39; + - ＆GT; 132 str（array.shape）） 133中的j，（dim，ref_dim）枚举（zip（array.shape，shapes [i]））： 134如果不是j而不是check_batch_axis：
ValueError：检查时出错：预期lstm_64_input为3 尺寸，但有形状的阵列（2895067,72）
答案 0 :(得分：1)
尝试重塑：
cellItems但是，一般来说，您有两种方法，可以重塑输入数据或更改模型参数。
请查看错误消息，它在这里说明了一切！
好的，这是您的代码的更新：
trainX.reshape(len(trainX),1, trainX.shape[1])
trainY.reshape(len(trainX), 1)
答案 1 :(得分：1)
你有：
trainX = trainX.reshape(trainX.shape[0], 1, trainX.shape[1])
trainY = trainY.reshape(trainY.shape[0], )
testX = testX.reshape(1, testX.shape[0], testX.shape[1])
你想：
trainX = trainX.reshape(trainX.shape[0], 1, trainX.shape[1])
trainY = trainY.reshape(trainY.shape[0], )
testX = testX.reshape(testX.shape[0],1, testX.shape[1])
您在testX中混合了样本和时间步长维度