python - 使用 Keras Python 创建 RNN

Question

我是机器学习和 Keras 的新手。我用 Keras 制作了一个用于回归的神经网络，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，所以请给我一个例子，我如何制作 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)

但我收到此错误:检查输入时出错:预期 lstm_13_input 有 3 个维度，但得到形状为 (6900, 44) 的数组

Answer 1

据我了解，您的数据是 44 维的，而不是时间序列。 RNN 是对数据序列(即 2D 张量而不是 1D 张量)的计算操作。但您仍然可以将 RNN 用于 1D 向量，方法是将它们解释为 n 维向量而不是一个 时间序列>n 个步骤，每个步骤包含一个 1D 向量。

model = Sequential()
model.add(Reshape((-1, 1)
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)