如何将MLP的数据调整为LSTM（预期ndim=3，发现ndim=2错误）

Question

我有数据表明在多层感知器架构上工作是这样的

X_train_feature.shape
(52594, 16)

X_train_feature[0]
array([1.18867208e-03, 1.00000000e+00, 8.90000000e+01, 8.00000000e+00,
       0.00000000e+00, 0.00000000e+00, 0.00000000e+00, 0.00000000e+00,
       0.00000000e+00, 0.00000000e+00, 0.00000000e+00, 0.00000000e+00,
       0.00000000e+00, 0.00000000e+00, 0.00000000e+00, 0.00000000e+00])

y_train
(52594, 2)

y_train[0].toarray()
array([[0., 1.]])

通过第一个维度：样本数第二个：X_train 是特征数量，y_train 是单热编码器。

并且我想在 LSTM/Bi-LSTM 上使用相同的数据，所以我从互联网上复制代码并将输入值更改为与 MLP

相同的值

def define_model():
    model = Sequential()
    model.add(LSTM(20, input_shape=X_train_feature[0].shape, return_sequences=True))
    model.add(TimeDistributed(Dense(1, activation='sigmoid')))
    model.compile(loss='categorical_crossentropy', optimizer='rmsprop', metrics=['accuracy'])  # compile
    print('Total params: ', model.count_params())
    return model

但是当我尝试创建模型时，关于输入形状的错误将被追加

model = define_model()
ValueError: Input 0 is incompatible with layer lstm_30: expected ndim=3, found ndim=2

我需要调整我的数据以应用于 LSTM 还是需要更改架构配置？非常感谢。

Answer 1

LSTM（与感知器不同）不是前馈网络。它需要一个历史来预测下一个点。因此，LSTM 的适当输入张量应该具有 (timesteps, num_features) 的形状，这意味着每个样本都是 timesteps 观察的序列，使得细胞状态在序列的第一次观察中启动并经过整个序列。

因此，输入张量的形状应为 (num_sequences, seq_length, num_features)，其中：

num_sequences：样本数量，即你有多少序列来训练模型？
seq_length：这些序列有多长。对于可变长度序列，您可以提供 None.
num_features: 在给定的序列中有多少特征有一个观察值？

Answer 2

LSTM 层的输入是一个 3d 张量，形状为 (data_length，时间步长，n_features)

要做到这一点，您首先必须使用类似以下内容转换数据：

   def slice_data(self, data, n_steps, n_ahead=1):
        X_data = data.drop(['y'], axis=1)
        y_data = data['y']
        X = []
        y = []
        for i in range(len(X_data)):
            end_point = i + n_steps
            if end_point + n_ahead > len(X_data)-1:
                break
            slice_x, slice_y = X_data[i:end_point], y_data.loc[end_point]
            X.append(slice_x)
            y.append(slice_y)
        X, y = np.array(X), np.array(y)
        self.n_features = X.shape[2]
        X = X.reshape((X.shape[0], X.shape[1], X.shape[2]))
        return X, y

或者您可以使用我自己制作的工具：EasyLSTM EasyLSTM 只需一行代码就可以将您的输入数组整形为 LSTM 友好的数组

如何将MLP的数据调整为LSTM（预期ndim=3，发现ndim=2错误）

How to adjust a data for MLP to LSTM (expected ndim=3, found ndim=2 Error)

python

keras

deep-learning

lstm

data-processing