多元时间序列二元分类的输入格式

Question

我正在尝试使用 LSTM 模型对多变量时间序列数据进行二元分类。我在一天中收集了大约 100 天的七个属性（即 100 个大小为 [9000, 7] 的数组）。这些数组中的每一个都具有 1 或 0 的单一分类状态。

考虑到我对 Keras 和机器学习一般来说是新手，我已经开始尝试构建尽可能简单的模型，但是当我尝试训练它们时，我总是遇到有关输入形状的错误。比如我的第一层：

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 和大小 (100L, 9000L, 7L)，我收到一条错误消息：

ValueError: Error when checking input: expected conv2d_11_input to have 4 dimensions, but got array with shape (100L, 9000L, 7L)

我试过更改批量大小和迭代次数但没有成功，所以有人可以解释如何正确重塑我的输入吗？我错过了一些简单的东西吗？

Answer 1

我怀疑你想使用 Conv1D（3D 数据），不是吗？
您正在使用 Conv2D（4D 数据 = 图像）。

对于 Conv1D 和任何 RNN 层，例如 LSTM，您的输入是 3D 数据，您的 input_shape 应该是 input_shape=(9000,7) .

输入的数据应该是(100,9000,7)形状的数组，根据报错信息的内容已经可以了。

假设每一天都是一个单独的序列并且您不想连接几天。

Input Format for Mulivariate Time Series Binary Classification