0
我的输入数据有10个特征,它取自25个不同的时间戳。我的输出数据由类标签组成。所以,基本上,我有一个多对一的分类问题。多对一的LSTM输入形状
我想为这个问题实现一个LSTM。总培训数据由10000个数据点组成。这个LSTM网络的输入和输出格式(形状)应该如何?
我的输入数据有10个特征,它取自25个不同的时间戳。我的输出数据由类标签组成。所以,基本上,我有一个多对一的分类问题。多对一的LSTM输入形状
我想为这个问题实现一个LSTM。总培训数据由10000个数据点组成。这个LSTM网络的输入和输出格式(形状)应该如何?
在模型的第一层中,应该定义input_shape=(n_timesteps,n_features)
。所以在你的情况input_shape = (25,10)
。
您对模型的实际输入将具有形状(1000,25,10)
。
您还应该使用keras.np_utils.to_categorical
将您的标签转换为one-hot-encoded向量,以便它们将成为长度为X的向量,其中X是您的类编号。每个元素将等于零,除了对应的类对应的元素。
希望这会有所帮助!
'X.shape =(10000,25,10)'和'y.shape =(10000,nr_classes)'? – sietschie