我刚刚开始使用Tensorflow/Keras在Python中实现LSTM以测试我的想法，但是我正在努力正确创建模型。
对于每一天，我想预测一组事件中的哪一个将会发生。这个想法是，一些事件是反复出现的/总是在一定时间后发生，而其他事件很少发生或没有任何结构。LSTM应该能够拾取这些重复发生的事件，以便预测未来几天的发生情况。
为了显示事件，我使用了一个值为0和1的列表(非发生和发生)。例如，如果我有事件["去学校"去健身房"我有像[1,0,1]，[1,1,0]，[1,0,1]，[1,0,1]，[1,1,0]等清单。这样一来，LSTM就会意识到我每天上学，每隔一天去健身房，而且很少买电脑。因此，按照向量序列，对于第二天，它应该预测[1,0,0]。
我不确定在LSTM/代码中实现这一点的最佳方法是什么，但到目前为止，我已经做了以下工作:
- 创建x_train，这是一个形状为(363,193)的numpy数组。它包含363个列表，相同的193个事件。
- 创建y_train，这也是一个形状为(363,193)的数组。这些列表比x_train早一天。例如，
x_train[1] == y_train[0]的计算结果全部为True。
我不希望我的模型将第一天作为输入并预测第二天。我希望能够给它提供训练数据，比如第1、2、3天……然后让它为第366,367天创建一个0-1向量，…本身。我在网上找到了很多文章，但它们似乎都集中在预测一个单一的值，而不是一个完整的向量。
我尝试的一个实现如下:
model.add(layers.LSTM(100,input_shape=(363, 193), return_sequences=True))
model.add(layers.Dropout(0.2))
model.add(layers.Dense(1, activation='linear'))
model.compile(loss='mse',optimizer='rmsprop')
model.fit(x_train,y_train)
ValueError: Input 0 of layer "sequential_27" is incompatible with the layer: expected shape=(None, 363, 193), found shape=(None, 193)
为了得到至少一个工作模型，我试着玩周围的输入形状最多，但对我来说，这似乎是正确的，因为我的input_shape是相同的x_train.shape。我还将return_sequences设置为True，因为我相信我想利用多对多关系。
如果有人能给我一些关于如何正确创建LSTM的帮助，我将非常感激。
需要多个样本来训练网络，现在只有一个窗口大小为363。将x_train重塑为(1,363,193)可以解决输入形状问题，但根本问题仍然是一样的，只有一个训练样本。我建议试试https://www.tensorflow.org/api_docs/python/tf/data/Dataset#window。