使用 Keras Python 创建 RNN

Question

我是机器学习和 Keras 的新手。我用 Keras 制作了一个神经网络，用于回归，如下所示：

model = Sequential()
model.add(Dense(57, input_dim=44, kernel_initializer='normal', 
activation='relu'))
model.add(Dense(45, activation='relu'))
model.add(Dense(35, activation='relu'))
model.add(Dense(20, activation='relu'))
model.add(Dense(18, activation='relu'))
model.add(Dense(15, activation='relu'))
model.add(Dense(10, activation='relu'))
model.add(Dense(5, activation='relu'))
model.add(Dense(5, activation='relu'))
model.add(Dense(1, activation='linear'))

我的数据有 44 个维度，请您举个例子，我如何制作 RNN。我正在尝试这样：

model = Sequential()
model.add(LSTM(44, input_shape=(6900, 44), ))
model.add(Dense(1))
model.compile(loss='mape', optimizer='adam', metrics=['mse', 'mae', 'mape'])
model.fit(X_train, y_train, epochs=100, batch_size=10, verbose=1)

但我收到此错误： 检查输入时出错：预期 lstm_13_input 有 3 个维度，但得到的数组形状为 (6900, 44)

Answer 1

据我了解，您的数据是 44 维度的，而不是时间序列。 RNN 是对数据序列的计算操作，即 2D 而不是 1D 张量。但是您仍然可以将RNN 用于1D 向量，方法不是将它们解释为一个n 维向量，而是作为n 步骤的时间序列，每个步骤都包含一个1D 向量。

model = Sequential()
model.add(Reshape((-1, 1)
model.add(LSTM(44, input_shape=(6900, 44), ))
model.add(Dense(1))
model.compile(loss='mape', optimizer='adam', metrics=['mse', 'mae', 'mape'])
model.fit(X_train, y_train, epochs=100, batch_size=10, verbose=1)