多变量时间序列二进制分类的输入格式
我试图使用LSTM模型对多元时间序列数据进行二分类。我在一天中收集了大约100天的7个属性（即100个大小[9000,7]的数组）。这些数组中的每一个都具有1或0的单一分类状态。
考虑到我对Keras和机器学习一般来说都是新手，我开始尝试建立尽可能简单的模型，但当我尝试训练他们时，我在输入形状方面不断出错。例如，我的第一层：
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)
对于float64类型的X_列，大小为（100L、9000L、7L），我得到一个错误，如下所示：
ValueError：检查输入时出错：预期conv2d_11_input有4个维度，但有形状的数组（100L，9000L，7L）
我试图改变批量大小和时代的数量，但没有成功，所以有人能解释如何正确地重塑我的输入吗？我错过了什么简单的东西吗？
共有1个答案
我怀疑您想使用的是Conv1D（3D数据），不是吗？
您使用的是Conv2D（4D数据=图像）。
对于Conv1D和任何RNN层，例如LSTM，您的输入是3D数据，您的input\u shape应该是input\u shape=（9000,7）。
输入数据应该是一个具有形状（100,9000,7)的数组，根据错误消息的内容，该数组已经可以了。
假设每一天都是一个单独的序列，你不想把日子联系起来。
-
我对时间序列分类比较陌生，正在寻求帮助： 我有一个包含5000个多元时间序列的数据集，每个数据集由21个变量组成，时间周期为3年，类别信息为1或0。我想做的是对一个新的输入进行分类，它在3年的时间内由21个变量组成。 就目前而言，经过几天的研究，我还没有找到（或显然没有理解）将多变量时间序列输入LSTM的方法。有没有可能的解决办法？ 我目前的想法是将5000个时间序列“合并”成一个，并向每个序列添
-
我有一个多元时间序列数据集，我想用它做分类。基本上，这是一个脑电图数据集，它试图分类手是否在移动。 假设我有4个数据集，每个数据集对应一个目标值。数据集如下所示，例如： sample1.csv sample2.csv sample3.csv sample4.csv target.csv 因此，基本上，target.csv文件保存每个示例#.csv文件的分类值。我们可以将其视为一个[3*4]矩阵（例
-
我试图使用LSTM对多元数据进行时间序列预测。我有50000个15维的样品。我想用10的回顾。输入到LSTM层的形状是什么。会吗 或 我正在使用Keras。
-
我有一张时间和二进制值的表， 我想在一秒钟后检查二进制列中的值是1还是0，然后创建新值的新列。这里的时间没有继续。例如，这里的第一个值是(358.214)，二进制值是1，如果我添加第二个值，它将是(359.214)，基于上一个值，该值仍然是1，因为(359.214)不在数据集中。 我想添加两个新列，一个用于秒递增，一个用于新的二进制值。 我如何在R中做到这一点？ 数据集， 更新我的尝试： 首先，我
-
我的任务是使用MATLAB和任何神经网络框架对时间序列数据进行分类。 更具体地描述任务：是计算机视觉领域的一个问题。Is是一项场景边界检测任务。 源数据是来自视频流的4个相邻帧直方图相关阵列。基于此数据，我们必须将此时间序列分为两类： “场景中断” “没有场景中断” 因此，每个源数据输入的网络输入是4个双倍值，输出是一个二进制值。我将在下面展示src数据的示例： 问题是，来自Matlab神经工具箱
-
本文向大家介绍C#二进制序列化实例分析，包括了C#二进制序列化实例分析的使用技巧和注意事项，需要的朋友参考一下 本文实例讲述了C#二进制序列化的方法。分享给大家供大家参考。具体如下： 希望本文所述对大家的C#程序设计有所帮助。