我在理解 LSTM 问题的输入/输出的预期形状时遇到了很多麻烦。
具体到这个例子,我有386个长度为100个,每个包含14个特征。对于每个这样的序列,我只需要预测它是在0类还是1类中。各自的形状和型号是
X_test.shape,y_test.shape
((358, 100, 14), (358, 1))
model = Sequential()
model.add(LSTM(64,return_sequences=True,input_shape=(None,14)))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy' , metrics=['accuracy'])
现在,如果(拟合后(我想预测模型的输出,则预测的形状与y_test不一致!
y_pred = model.predict_classes(X_test)
y_pred.shape
(358, 100, 1)
在这里,我希望形状与y_test
匹配,并且是(358,1(而不是predict_classes()
给出的输出
我显然误解了这里的东西。我在这里错过了什么?有没有其他方法可以完全解决这个问题?
您返回 LSTMreturn_sequences=True
的第 3 个暗淡,其中最后一个 sigmoid 层的输入将是 3D。因此,S形层将应用于最后一个暗淡。
只需执行以下操作:
model.add(LSTM(64,return_sequences=False,input_shape=(None,14)))