Arrays 如何为LSTM塑造双要素输入数据

我在Keras中使用带有LSTM节点的RNN进行时间序列预测。我有两个输入特性和一个输出特性，我使用的滑动窗口大小为4，步长为1

因此，我试图为LSTM处理数据准备相应的数组。然而，这些维度似乎并不正确。我已经得到了一个点，我得到了正确形状的3D阵列，网络可以接收它，但是在阵列中设置数据的方式在我看来并不正确

因此，仅查看培训数据，这是文件中的原始数据：

train_input=df[['a'，'b']]值（这是形状（354,2））
列车输出=df['c']]。数值（这是形状（354，1））

接下来我缩放数据，之后形状仍然保持不变。然后我想使用一个循环，以便将数据引入滑动窗口形状（窗口大小4，范围354）：

列车输入窗口=[]
列车输出窗口=[]
对于范围内的i（4354）：
列车输入窗口。追加（列车输入缩放[i-4:i，0]）
列车输入窗口。追加（列车输入缩放[i-4:i，1]）
列输出窗口。追加（列输出缩放[i，0]）
列车输入窗口=np.数组（列车输入窗口）
列输出窗口=np.数组（列输出窗口）

现在列车输入窗口的形状为（700,4） 列车输出窗口的形状为（350，）

我想这就是问题所在。因为我可以将数据重塑为一个3D阵列，这样可以工作：

train\u input3D=np.重塑（train\u input\u窗口，（350,4,2））
列输出3D=np.整形（列输出窗口，（350,1,1））

但我只是不认为数组中的数据排列正确。 培训输入如下所示：

打印（列车输入3D）
[a]
[答]
[乙]
[b]]
[a]
[答]
[乙]
[b]]。。。。。

难道不是吗

[[a b]
[甲、乙]
[甲、乙]
[a b]]
[[a b]
[甲、乙]
[甲、乙]
[a b]。。。。。

我尝试了很多不同的东西，现在我很困惑，我只是希望我不会因为试图解释而把这里的每个人都弄糊涂

那么，我认为数组中的输入形状是否适合我的尝试？如果是，我该如何安排它？ 这是我的完整代码：

#读取数据
df=pd.ExcelFile（'GPT.xlsx'）.parse（'7Avg'））
#训练数据
列车输入=df['Precip_7Sum'，'Temp_7Avg'].值#
列车输出=df['GWL\U 7Avg'].值
#测试数据
测试输入=df['Precip_7SumT'，'Temp_7AvgT'].值#
测试输出=df['GWL\U 7AvgT']]。数值
#标准化/缩放数据
输入\u scaler=MinMaxScaler（特征\u范围=（0,1））
输出_scaler=MinMaxScaler（特征_范围=（0,1））
训练输入缩放=输入缩放器。拟合变换（训练输入）
列输出缩放=输出缩放器。拟合变换（列输出）
test\u input\u scaled=输入\u scaler.transform（test\u input）
test\u output\u scaled=输出\u scaler.transform（test\u output）
#将数据转换为滑动窗口格式
列车输入窗口=[]
列车输出窗口=[]
对于范围内的i（4354）：
列车输入窗口。追加（列车输入缩放[i-4:i，0]）
列车输入窗口。追加（列车输入缩放[i-4:i，1]）
列输出窗口。追加（列输出缩放[i，0]）
列车输入窗口=np.数组（列车输入窗口）
列输出窗口=np.数组（列输出窗口）
测试输入窗口=[]
测试输出窗口=[]
对于范围内的i（4354）：
测试输入窗口。追加（列输入缩放[i-4:i，0]）
测试输入窗口。追加（列输入缩放[i-4:i，1]）
测试输出窗口。追加（列输出缩放[i，0]）
测试输入窗口=np.数组（测试输入窗口）
测试输出窗口=np.数组（测试输出窗口）
#将数据转换为三维格式
train_input3D=np.重塑（train_input_window，（350，train_input_window.shape[1]，2））#带形状的3D张量（批量大小、时间步长、输入维度）/（样本数、时间步长数、特征数）
列输出3D=np.整形（列输出窗口，（350,1,1））#
test_input3D=np.重塑（test_input_window，（350，test_input_window.shape[1]，2））
#实例化模型类
模型=顺序（）
#添加LSTM层
add（LSTM（units=1，return\u sequences=True，input\u shape=（4,2）））
#添加衰减层以避免过度拟合
模型。添加（辍学（0.2））
#再添加三个LSTM和辍学者
model.add（LSTM（单位=1，返回序列=True））
模型。添加（辍学（0.2））
model.add（LSTM（单位=1，返回序列=True））
模型。添加（辍学（0.2））
model.add（LSTM（单位=1，返回序列=True））
模型。添加（辍学（0.2））
#在模型末尾创建密集层，以使模型更加健壮
添加（密集（单位=1，输出形状=（4,1）））
#编译模型
compile（优化器='adam'，loss='mean_squared_error'）
#训练
模型拟合（序列输入3D，序列输出窗口，历元=100，批量大小=4）
#测试/预测
列车预测=模型预测（列车输入3D）
测试预测=模型预测（测试输入3D）
#输出数据的数据反向缩放
列车预测=输入定标器逆变换（列车预测）
测试预测=输入定标器。逆变换（测试预测）
原始数据=列车输出。附加（测试输出）

我希望我能把我的问题讲清楚，希望有人能帮我读到所有这些：D