多元时间序列二进制分类的输入格式答案

【问题标题】：Input Format for Mulivariate Time Series Binary Classification多元时间序列二进制分类的输入格式
【发布时间】：2018-10-27 13:24:56
【问题描述】：

我正在尝试使用 LSTM 模型对多元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 7 个属性（即 100 个大小为 [9000, 7] 的数组）。这些数组中的每一个都有一个分类状态，即 1 或 0。

鉴于我是 Keras 和机器学习的新手，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，我不断收到有关输入形状的错误。例如，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 (100L, 9000L, 7L) 的大小，我收到一条错误消息：

ValueError：检查输入时出错：预期 conv2d_11_input 有 4 个维度，但得到的数组形状为 (100L、9000L、7L)

我尝试更改批量大小和时期数但没有成功，那么有人可以解释如何正确地重塑我的输入吗？我错过了一些简单的东西吗？

【问题讨论】：

尝试将输入形状更改为model.add(Conv2D(32, (3,3), input_shape=(None, 9000,7), activation='relu'))，其中 None 是批量大小。

【解决方案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)。

输入数据应该是一个形状为(100,9000,7)的数组，按照错误信息的内容已经可以了。

假设每一天都是一个单独的序列，并且您不想连接这些天。

【讨论】：