预测模型期望三维，但形状与阵列不匹配

Question

我用这个公式来预测Jupyter的股价：

import keys
import datetime
from binance.client import Client
import pandas as pd

client = Client(keys.APIKey, keys.SecretKey)

symbol= 'BTCUSDT'
BTC= client.get_historical_klines(symbol=symbol, interval=Client.KLINE_INTERVAL_30MINUTE, start_str="1 year ago UTC")

%matplotlib inline

BTC= pd.DataFrame(BTC, columns=['Open time', 'Open', 'High', 'Low', 
                                'Close', 'Volume', 'Close time', 
                                'Quote asset volume','Number of trades',
                                'Taker buy base asset volume', 
                                'Taker buy quote asset volume','Ignore'])

BTC['Open time'] = pd.to_datetime(BTC['Open time'], unit='ms')

BTC.set_index('Open time', inplace=True)
BTC

data= BTC.iloc[:,3:4].astype(float).values
from sklearn.preprocessing import MinMaxScaler

scaler= MinMaxScaler()
data=scaler.fit_transform(data)
training_set= data[:10000]
test_set=data[10000:]

X_train= training_set[0:len(training_set)-1]
y_train= training_set[1:len(training_set)]
X_test= test_set[0:len(test_set)-1]
y_test= test_set[1:len(test_set)]

import numpy as np
X_train = np.reshape(X_train, (len(X_train), 1, X_train.shape[1]))
x_test = np.reshape(X_test, (len(X_test), 1, X_test.shape[1]))

from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM

model = Sequential()
model.add(LSTM(256, return_sequences=True, input_shape=(X_train.shape[1], X_train.shape[2])))
model.add(LSTM(256))
model.add(Dense(1))

model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(X_train, y_train, epochs=50, batch_size=16, shuffle=False)

predicted_price= model.predict(X_test)
predicted_price= scaler.inverse_transform(predicted_price)
real_price = scaler.inverse_transform(y_test)

但是，我没有得到真实与预测的图表，而是得到了以下错误：

中的ValueError回溯（最近一次调用）----

E：\anaconda3\lib\site-包\keras\引擎\training.py预测（自我，x，batch_size，冗长，步骤，回调，max_queue_size，工人，use_multiprocessing）1439 1440

案例2：符号张量或类似Numpy数组-

E:\anaconda3\lib\site packages\keras\engine\training。py输入用户数据（自身、x、y、样本重量、类别重量、检查数组长度、批次大小）577个输入形状，578个检查批次轴=False，不强制实施批次大小--

e：\anaconda3\lib\site-包\keras\引擎\training_utils.pystandardize_input_data（数据，名称，形状，check_batch_axis，exception_prefix）133'：预期'名称[i]'具有'134 str（len（形状））'维度，但有数组'-

ValueError：检查输入时出错：预期lstm_1_input有3个维度，但得到了带有形状的数组（7505,1）

即使有了这个日志，我也无法找到修复它的根本原因。

Answer 1

LSTM模型期望输入dim=3:（#样本、时间戳、特征）
例如，如果您有7505个音频文件，每个文件有100个时间戳，每个时间戳有578个特征-列车组应具有当前形状：（3100578）
您的输入形状是（#样本、特征），因此将其重塑为三维-对于X#train和X#train。

x_train = np.reshape(X_train, (len(X_train), 1, X_train.shape[1]))
x_test = np.reshape(X_test, (len(X_test), 1, X_test.shape[1]))

另外，请确保您使用重塑后的数据调用fit和predict。

model.fit(x_train, y_train, epochs=50, batch_size=16, shuffle=False)
#.....
predicted_price= model.predict(x_test) #<--- Your problem was here! Make sure you use x_test and not X_test.