### 多变量时间序列二元分类的数据输入格式

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。我每天收集了七个属性，持续大约100天（即100个大小为[9000, 7]的数组）。每个数组都有一个单一的分类状态，要么是1，要么是0。

考虑到我对Keras和机器学习的整体知识还不够熟悉，我开始尝试构建最简单的模型，但当我尝试训练它们时，总是遇到关于输入形状的错误。例如，我的第一层代码如下：

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)

当我的X_train类型为float64，大小为(100L, 9000L, 7L)时，我收到了如下错误信息：

ValueError: 检查输入时出错：期望conv2d_11_input具有4个维度，但得到的数组形状为(100L, 9000L, 7L)

我尝试更改批量大小和训练轮数，但没有成功。有人能解释一下如何正确重塑我的输入吗？我是不是忽略了什么简单的事情？

回答：

我猜你想使用Conv1D（3D数据），对吗？
你现在使用的是Conv2D（4D数据=图像）。

对于Conv1D和任何RNN层，例如LSTM，你的输入是3D数据，你的input_shape应该设置为input_shape=(9000,7)。

输入数据应该是一个形状为(100,9000,7)的数组，根据错误信息的内容，这已经是正确的了。

假设每一天是一个独立的序列，并且你不想将不同的天连接起来。

学技术