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))