我正在尝试处理航空公司的推文数据集，并为此探索了几种可能性。我看到了其他一些教程，其中人们使用了计数矩阵（来自sklearn CountVectorizer），然后在其上使用了CNN，效果相当不错。 但是，使用以Tf-IDF矩阵作为输入（来自sklearn TfidfVectorizer）的基本ANN（3 * 100密集层），我可以获得更好的结果，所以我想将两者结合：带有Tf-Idf的CNN矩阵作为输入。 我可以这样：
model = Sequential()
model.add(layers.Embedding(input_dim=input_shape[1], output_dim=200, input_length=input_shape[1]))
model.add(layers.Conv1D(128, 5, activation='relu', input_shape=(90051, 1)))
[rest of model]
但是我想删除嵌入层，因为我认为它对tf-idf矩阵没有多大帮助（可能是错误的，但是我想尝试）。 但是，当我运行此代码时：
model = Sequential()
model.add(layers.Conv1D(128, 5, activation='relu', input_shape=(90051, 1)))
模型构建和编译工作良好，但在拟合时出现以下错误：
ValueError: Error when checking input: expected conv1d_3_input to have 3 dimensions, but got array with shape (10248, 90051)
我尝试按照 this SO answer所述重塑数据，如下所示：
tt = np.reshape(transformed, (transformed.shape[0], transformed.shape[1], 1))
print(tt.shape)
tt = transformed
tt.shape = (transformed.shape[0], transformed.shape[1], 1)
print(tt.shape)
但是numpy重塑后数据形状保持不变（不知道为什么）。
所以有人可以指出我为什么做错了吗？从一开始这是一个坏主意，还是我应该离开嵌入层（结果不是那么好），还是应该以其他方式尝试重塑？ 非常感谢您的帮助