为什么 LSTM 预测形状不符合预期？

Question

我有一个包含时间戳和一个值（总共只有 2 列）的时间序列数据集，并训练 LSTM 来预测每小时的值。

所以我为模型准备的数据集如下：

取该值的前5个值作为X，该小时的观测值作为y。然后我拆分火车并测试每个 X 和 y。

因此，在使用最小-最大缩放器缩放之后，我得到了具有以下形状的训练和数据集。

print(train_X.shape,train_y.shape,test_X.shape,test_y.shape)
(16195, 5) (16195,) (8716, 5) (8716,)

然后我通过

构建模型

    model = Sequential()
    model.add(LSTM(5, input_shape=(n_steps,n_features),recurrent_dropout=0.2,return_sequences=True))
    model.add(BatchNormalization())
    model.add(Dense(1))    
    model.compile(loss='mean_squared_error', optimizer='adam')

我拟合模型并通过

进行预测

history = model.fit(train_X, train_y, epochs=10, batch_size=64,validation_data=(test_X, test_y),shuffle=False)


#predict the instances
predicted = model.predict(test_X)

我现在预测的形状是(8716, 5, 1)。

我猜这是不正确的，因为预测应该与 test_y 形状相同，即 (8716,)。所以当我重塑为逆比例

predicted=yhat.reshape(predicted.shape[0], -1).reshape(-1, 1)
inverse_predictions= scaler_y.inverse_transform(predicted)

这给出了 (43580, 1) 的形状，这是错误的，因为预测的维度是 (8716, 5, 1) 而不是 (8716,)。

我不确定是哪个部分导致了错误。感谢任何帮助。

Answer 1

您可以删除 return_sequences=True，这应该可以解决问题。或者，您可以使用展平层，但我认为这不是您想要在此处执行的操作。

为什么 LSTM 预测形状不符合预期？

Why are LSTM prediction shape not as expected?

python

numpy

neural-network

reshape

lstm