如何设置Keras LSTM进行时间序列预测？

Question

我有一个包含600个时序点（x(t)，y(t)）的训练批次，其中x(t)是一个25维向量，y(t)是我的目标（1维）。我想要训练一个LSTM来预测在给定几个额外的x(t)[t> 600]的情况下，该系列将如何继续。我尝试了以下模型：

    model = Sequential() 
    model.add(LSTM(128, input_shape = (600,25), batch_size = 1, activation= 'tanh', return_sequences = True)) 
    model.add(Dense(1, activation='linear'))
    model.compile(loss='mean_squared_error', optimizer='adam')
    model.fit(trainX, trainY, epochs=20 ,verbose=2) prediction

    prediction = model.predict(testX, batch_size = 1)

拟合工作正常，但在预测步骤中我不断遇到以下错误：

    Error when checking : expected lstm_46_input to have shape (1, 600, 25) but got array with shape (1, 10, 25)

我缺少什么？

这是我的形状:

    trainX.shape = (1,600,25)
    trainY.shape = (1,600,1)
    testX.shape = (1,10,25)

- user6058437

Answer 1

根据Keras文档，LSTM（或任何RNN）层的输入应该是形状为(batch_size, timesteps, input_dim)的格式，其中您的输入形状为：

trainX.shape = (1,600,25)

这意味着在训练时，您只传递了一个数据，每个时间步长有600个时间步长和25个特征。但我感觉您实际上有600个训练数据，每个数据都有25个时间步长和1个时间步长的特征。我猜测您的输入形状（trainX）应该是600 x 25 x 1。训练目标（trainY）应该是600 x 1。如果我的假设是正确的，那么您的测试数据应该是10 x 25 x 1。第一个LSTM层应该写成：

    model.add(LSTM(128, input_shape = (25,1), batch_size = 1, activation= 'tanh', return_sequences = False)) 

- Parthosarathi Mukherjee

---

如果 Y 形状正确，那么他很可能需要一个 TimeDistributed(Dense(1))，因为每个时间步都有一个输出。 - Thomas Jungblut

对于2D输入，inputs的形状为(batch_size, input_size)，input_shape = (25,1)表示batch_size=25，而不是时间步长。 - mingxue

Answer 2

如果您的训练数据实际上是(1,600,25)，这意味着您正在展开LSTM反馈600次。第一个输入对第600个输入有影响。如果这是您想要的，您可以使用Keras函数“pad_sequences”将零添加到测试矩阵中，使其具有形状（1,600,25）。网络应该预测零，您需要向testY中添加590个零。

如果您只想让前10个时间步骤影响当前的Y预测，则需要将trainX转换为形状（590,10,25）。输入行将类似于：

model.add(LSTM(n_hid, stateful=True, return_sequences=False, batch_input_shape=(1,nTS,x_train.shape[2])))

将其转换为所需格式的处理过程可能类似于以下内容：

def formatTS(XX, yy, window_length):
x_train = np.zeros((XX.shape[0]-window_length,window_length,XX.shape[1]))
for i in range(x_train.shape[0]):
    x_train[i] = XX[i:i+window_length,:]
y_train = yy[window_length:]
return x_train, y_train

那么，由于它已经是 (1,10,25) 的形状，所以您的测试将正常工作。

- circuitdesigner5172