Question

首先，我刚刚介入。我想使用LSTM（在python中，使用Keras库）来解决预测问题。

我已经从csv中读取了数据集（25个观测值）并将其分为2个部分： train 设置（67％的数据集，17个观测值）和 test 设置（33％的数据集，8个观察值）。

我已将列车设置为2套：

trainX：[[obs [1]，0] [obs [2]，0] ... [obs [n-1]，0]]
trainY：[[obs [2]，0] [obs [3]，0] ... [obs [n]，0]]

（n是列车集的大小（17个观察值））

（我已经用测试设置完成了同样的事情）

所以，我有4个名为：trainX，trainY，testX，textY

每组的形状都是[x [i]，0]

我已经阅读了一些我需要重塑它的“Google”文档，所以我做了类似的事情：

trainX = numpy.reshape(trainX, (trainX.shape[0], 1, trainX.shape[1]))
testX = numpy.reshape(testX, (testX.shape[0], 1, testX.shape[1]))

在2行代码后，我的trainX将像[value [i]，time_steps = 1，value [i + 1]]

（time_steps = look_back = 1）

然后我打印我的形状以检查它的外观：

print(trainX.shape)

我的形状是：

(15, 1, 2)

最后，在我做出预测之前，我需要适应模型，所以我这样做：

model = Sequential()
model.add(LSTM(4, input_shape=(1, look_back)))

model.add(Dense(1))

model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(trainX, trainY, epochs=100, batch_size=1, verbose=2)

（实际上，我不知道如何正确地适应模型，所以它告诉我错误）。

它注意到错误：

ValueError: Error when checking input: expected lstm_0_input to have shape (None, 1, 1) but got array with shape (15, 1, 2)

你能告诉我如何使用我的数据集来拟合模型吗？

非常感谢。

使用Keras在Lava中使用LSTM模型

0 个答案: