Question

我是机器学习和Keras的新手。我用Keras制作了一个神经网络进行回归，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，所以请您举个例子说明如何制作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)

但是我得到这个错误：检查输入时出错：预期lstm_13_input具有3维，但数组的形状为（6900，44）

Answer 1

据我了解，您的数据是44维，而不是时间序列。 RNN是对一系列数据（即2D而不是1D张量）进行运算。但是，对于RNN向量，您仍然可以使用1D，方法是将它们解释为不是n维向量，而是解释为n个步骤的时间序列，每个步骤包含一个{ {1}}向量。

1D

使用Keras Python创建RNN

1 个答案: