预期 ndim=3，发现 ndim=2

我是 Keras 新手，正在尝试实现一个序列到序列 LSTM。 特别是，我有一个包含 9 个特征的数据集，我想预测 5 个连续值。

我将训练集和测试集分开，它们的形状分别是：

X TRAIN (59010, 9)

X TEST (25291, 9)

Y TRAIN (59010, 5)

Y TEST (25291, 5)

目前 LSTM 非常简单：

model = Sequential()
model.add(LSTM(100, input_shape=(9,), return_sequences=True))
model.compile(loss="mean_absolute_error", optimizer="adam", metrics= ['accuracy'])

history = model.fit(X_train,y_train,epochs=100, validation_data=(X_test,y_test))

但我有以下错误：

ValueError：输入 0 与层 lstm_1 不兼容：预期 ndim=3，发现ndim=2

谁能帮我？

LSTM 层期望输入的形状为(batch_size, timesteps, input_dim)。在keras中你需要通过(timesteps, input_dim) 对于 input_shape 参数。但你正在设置 input_shape (9,)。该形状不包括时间步维度。该问题可以通过在 input_shape 中添加额外的维度作为时间维度来解决。例如，添加值为 1 的额外维度可能是简单的解决方案。为此，您必须重塑输入数据集（X 火车）和 Y 形状。但这可能会出现问题，因为时间分辨率为 1，而您正在输入长度为 1 的序列。当输入长度为 1 的序列时，使用 LSTM 似乎不是正确的选择。

x_train = x_train.reshape(-1, 1, 9)
x_test  = x_test.reshape(-1, 1, 9)
y_train = y_train.reshape(-1, 1, 5)
y_test = y_test.reshape(-1, 1, 5)

model = Sequential()
model.add(LSTM(100, input_shape=(1, 9), return_sequences=True))
model.add(LSTM(5, input_shape=(1, 9), return_sequences=True))
model.compile(loss="mean_absolute_error", optimizer="adam", metrics= ['accuracy'])

history = model.fit(X_train,y_train,epochs=100, validation_data=(X_test,y_test))