我正在尝试使用 LSTM 模型对多变量时间序列数据进行二元分类。我在一天中收集了大约 100 天的七个属性(即 100 个大小为 [9000， 7] 的数组)。其中每个数组都具有 1 或 0 的单个分类状态。
鉴于我是 Keras 和机器学习的新手，我已经开始尝试构建最简单的模型，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)
使用类型为float64的X_train，大小为(100L，9000L，7L)，我收到一个错误，内容如下：
值错误：检查输入时出错：预期conv2d_11_input有 4 个维度，但得到形状(100L、9000L、7L)的数组
我尝试更改批大小和纪元数但没有成功，所以有人可以解释如何正确重塑我的输入吗？我错过了一些简单的东西吗？
我怀疑你想使用Conv1D(3D数据)，不是吗？
您使用的是Conv2D(4D 数据 = 图像)。
对于Conv1D和任何RNN图层(例如LSTM)，您的输入是 3D 数据，并且您的input_shape应input_shape=(9000,7)。
输入数据应该是一个形状为(100,9000,7)的数组，根据错误消息的内容，这已经是可以的了。
假设每一天都是一个单独的序列，并且您不想连接天数。