数据挖掘 - 输入形状 Keras-LSTM 的问题 - 吾爱随笔录

我想使用 Keras LSTM 模型制作预测器。我参观了一系列地方。任务是预测最后的目的地。

我经历了不同的例子，但似乎我无法正确塑造输入。

我被困在如何在我的程序中准备我的数据以将它们提供给 LSTM 模型。这是与我的问题相关的最小代码。

input_csv ='input.csv'
max_features = 6
df = pd.read_csv(input_csv)

df.head()
#Cafe =0.1, Park =0.2, Shop =0.3, Home=0.4, Movie = 0.5, School=0.6

例如，A 访问了 cafe (0.1) -> park(0.2) -> cafe (0.1) -> park(0.2)，最后在学校 (0.6) 结束。期望的任务是根据输入 X (place1,place2,place3,place4) 预测 y (end)。

X = df.iloc[:,1:5].to_numpy() 
X_train = X.reshape(6, 1, 4) # X.reshape(samples, timesteps, features)
X_train.shape
#(6, 1, 4)

y = df.iloc[:,-1].to_numpy()
y.shape
#(6,)

#Building model
model = Sequential()
model.add(LSTM(6, dropout=0.2, recurrent_dropout=0.2, input_shape=(None, 1)))
model.add(Dense(max_features, activation='sigmoid'))

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# Train
model.fit(X_train,y)
pred = model.predict(X_train)
predict_classes = np.argmax(pred,axis=1)

ValueError：检查输入时出错：预期 lstm_4_input 的形状为 (None, 1) 但得到的数组的形状为 (1, 4)

如果有人可以帮助我消除我的困惑或指出一些解释，我将不胜感激。谢谢你。

print('Build model...') model = Sequential() #model.add(LSTM(12, input_shape=( X_train.shape[1:]))) model.add(LSTM(6, dropout=0.2, recurrent_dropout=0.2, input_shape=(None, 1))) model.add(Dense(max_features, activation='softmax')) # try using different optimizers and different optimizer configs model.compile(loss='sparse_categorical_crossentropy', #loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])