最近，我尝试基于之前在该领域进行的工作，创建一个股票市场预测程序。该程序通过Python的Keras模块创建了一个神经网络，并利用来自Quandl的调整后股票价格信息来训练该网络。我通过参考以下教程完成了这个程序，但对提供的程序进行了修改，将’sklearn’线性模块的使用替换为Keras的Sequential模型。教程链接如下：
https://www.youtube.com/watch?v=EYnC4ACIt2g&t=1551s
我还从Keras模块的官方文档中获取了Keras Sequential模型的信息：
我在Google Colaboratory程序中完成了上述工作，这是一个Jupyter Notebook形式的Python解释器和在线IDE。我使用了以下代码：
然而，Colaboratory编译器给出了以下错误信息：
WARNING:tensorflow:From /usr/local/lib/python3.6/dist-packages/keras/backend/tensorflow_backend.py:4432: The name tf.random_uniform is deprecated. Please use tf.random.uniform instead.WARNING:tensorflow:From /usr/local/lib/python3.6/dist-packages/keras/backend/tensorflow_backend.py:3576: The name tf.log is deprecated. Please use tf.math.log instead.---------------------------------------------------------------------------ValueError Traceback (most recent call last)<ipython-input-32-70cb958ae676> in <module>() 7 metrics=['accuracy']) 8 ----> 9 model.fit(x_train, y_train, epochs=5, batch_size=32)2 frames/usr/local/lib/python3.6/dist-packages/keras/engine/training_utils.py in standardize_input_data(data, names, shapes, check_batch_axis, exception_prefix) 139 ': expected ' + names[i] + ' to have shape ' + 140 str(shape) + ' but got array with shape ' +--> 141 str(data_shape)) 142 return data 143 ValueError: Error when checking target: expected dense_16 to have shape (10,) but got array with shape (1,)这个错误有合理的解释吗？如果有，可以解决吗？如果可以，需要做些什么？是否需要更改训练数据或神经网络？感谢您的帮助。
回答：
在神经网络中，您的最后一层（输出层）应该与目标（即y）的形状匹配。据我所见，您是在尝试预测股票价格（连续目标），因此形状应该是(1,)。您的最终Dense层应该如下设置：
model.add(keras.layers.Dense(units = 1, activation = 'linear')此外，您并不是在进行分类，因此损失函数不应该使用categorical_crossentropy。应该使用mean_absolute_error或类似的函数。
最后，最好在第一层明确声明input_shape。这会使事情变得更简单（也更容易得到帮助）。
