使用针对不同时间步长数据训练的模型进行不同时间步长的预测答案

【问题标题】：Predicting with different time step with a model trained for different time step data使用针对不同时间步长数据训练的模型进行不同时间步长的预测
【发布时间】：2019-10-04 23:49:50
【问题描述】：

我已经用 3 个时间步训练了我的 LSTM。以下是 Keras LSTM 层。

model.add(LSTM(32, return_sequences=True, input_shape=(None, 3))).

例如：

   X                           Y
   [[1,2,3],[2,3,4],[4,5,6]]   [[4],[5],[7]]

现在我需要预测具有不同 time_steps 的序列的下一个值（例如：2）

  X= [[1,2]]

当我使用X= [[1,2]] 时出现以下错误

ValueError: Error when checking input: expected lstm_1_input to have shape (None, 3) 
but got array with shape (1, 2)

我是否应该在用于训练时提供相同的形状。

或者我仍然可以使用不同的时间步长（输入形状）进行预测。

感谢您在此问题上的帮助。

【问题讨论】：

标签： keras lstm

【解决方案1】：

我相信您在使用模型预测新数据时需要使用相同的形状。您的数据使用 3 个时间步 (train_X) 进行了训练，因此您应该在建模时为其提供 3 个时间步的输入。预测您的测试数据 (test_X)。

【讨论】：