Deep learning RNN/LSTM深度学习模型？

我正在尝试为二进制分类0或1构建RNN/LSTM模型

我的数据集的一个样本（患者编号、单位为mill/sec的时间、X Y和Z的标准化、峰度、偏度、俯仰、滚动和偏航、标签）

1,15,-0.248010047716,0.00378335508419,-0.0152548459993,-86.3738760481,0.872322164158,-3.51314800063,0

1,31,-0.248010047716,0.00378335508419,-0.0152548459993,-86.3738760481,0.872322164158,-3.51314800063,0

1,46,-0.267422664673,0.0051143782875,-0.0191247001961,-85.7662354031,1.0928406847,-4.08015176908,0

1,62,-0.267422664673,0.0051143782875,-0.0191247001961,-85.7662354031,1.0928406847,-4.08015176908,0 

我已经试过了

import numpy as np
from keras.datasets import imdb
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
from keras.layers import Bidirectional
from keras.preprocessing import sequence
# fix random seed for reproducibility
np.random.seed(7)

train = np.loadtxt("featwithsignalsTRAIN.txt", delimiter=",")
test = np.loadtxt("featwithsignalsTEST.txt", delimiter=",")

x_train = train[:,[2,3,4,5,6,7]]
x_test = test[:,[2,3,4,5,6,7]]
y_train = train[:,8]
y_test = test[:,8]

# create the model
model = Sequential()
model.add(LSTM(20, dropout=0.2, input_dim=6))
model.add(Dense(4, activation = 'sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(x_train, y_train, epochs = 2)

但它给了我以下的错误

检查输入时出错：预期lstm_1_输入有3个维度，但得到具有形状的数组（1415684，6）

---

LSTM层采用三维输入，对应于（批量大小、时间步长、特征）。在您的情况下，您只有一个二维输入，即（批次大小、特征）

---

LSTM层适用于序列格式（句子、股票价格…）。您需要重塑数据，以便能够以这种方式使用它。更具体地说，您需要重塑数据以使每个患者有一行（或者您可以选择每个患者有多个序列，但假设我们现在希望每个患者有一行），并且每行需要包含多个数组，与患者观察结果相对应的每个数组。

数据集包含一段时间内具有多个标签的第一个患者如何重塑数据集，它已经包含每个患者的时间序列，并且每个患者都有多个时间行