我的特征形状为(size,2)，标签形状为(size,1)，即对于特征中的[x,y]，标签将是z。我想在keras中构建一个LSTM来完成这个任务，因为特征与之前的输入有些关联，即1个或多个（我认为这是一个超参数）。

样本数据集值如下：

features     labels[1,2]         [5][3,4]         [84]

到目前为止，我所做的如下：

print(labels.shape)     #输出 (1414,2)print(features.shape)   #输出(1414,1)look_back=2# 将输入重塑为 [samples, time steps, features]features = np.reshape(features, (features.shape[0], 1, features.shape[1]))labels = np.reshape(labels, (labels.shape[0], 1, 1))X_train, X_test, y_train, y_test = train_test_split(features,labels,test_size=0.2)model = Sequential()model.add(LSTM(4, input_shape=(1, look_back)))   #正确执行model.add(Dense(1))    #此处错误是 "ValueError: Error when checking target: expected dense_1 to have 2 dimensions, but got array with shape (1131, 1, 1)"model.summary()model.compile(loss='mean_squared_error', optimizer='adam')model.fit(X_train, y_train, epochs=100, batch_size=1, verbose=2)

那么，有人能帮助我构建一个最小的LSTM示例来运行我的代码吗？谢谢。我不知道Dense层如何能有2个维度，我的意思是它是一个整数，用来告诉Dense层使用多少单元。

回答：

你不应该重塑你的标签。

尝试这样做：

features = np.reshape(features, (features.shape[0], 1, features.shape[1]))model = Sequential()model.add(LSTM(4, input_shape=(1, features.shape[1])))  model.add(Dense(1))    model.summary()model.compile(loss='mean_squared_error', optimizer='adam')model.fit(X_train, y_train, epochs=100, batch_size=1, verbose=2)