我正在尝试使用LSTM模型对多变量时间序列数据进行二进制分类。我在一天中收集了七个属性约100天（即100个大小的阵列[9000,7]）。这些数组中的每一个都具有单个分类状态1或0。
我已经开始尝试构建最简单的模型，因为我是Keras和Machine Learning的新手，但是当我尝试训练时，我一直在输入形状方面遇到错误。例如，我的第一层：
model = Sequential()
model.add(Conv2D(32, (3,3), input_shape=(9000,7,1), activation='relu'))
...
model.fit(x=X_train, y=Y_train, epochs=100)
使用float64类型的X_train，大小为（100L，9000L，7L），我得到一个错误：
ValueError：检查输入时出错：预期conv2d_11_input有4个维度，但得到的数组有形状（100L，9000L，7L）
我已经尝试过更改批量大小和时间数而没有成功，那么有人可以解释如何正确地重塑我的输入吗？我错过了一些简单的事吗？
答案 0 :(得分：0)
我怀疑你想使用Conv1D（3D数据），不是吗？
您正在使用Conv2D（4D数据=图片）。
对于Conv1D和任何RNN图层，例如LSTM，您的输入是3D数据，input_shape应为input_shape=(9000,7)。
输入数据应该是一个形状为(100,9000,7)的数组，该数组已经可以通过错误消息的内容完成。
假设每一天都是一个单独的序列而你不想连接几天。