Keras 我的数据采用哪种lstm体系结构？我应该做什么样的数据处理

我正在尝试构建LSTM体系结构来预测疾病率0%-100%。我的输入是一个数组，维数为4760x10，表示每个城镇每个年龄段的患病人数、就诊人数。。。。。我的输出或y是患病率

我是机器学习方面的新手，我尝试了一些技巧，比如更改Optimizer、层节点数和退出值，但我的模型没有收敛，最低mse为=616.245。我还尝试使用“MinMaxScaler”缩放数据。所以，你们能帮我提供一些建议来改变体系结构或者一些数据处理来帮助模型收敛吗

这里是lstm模型，它给出了mse=616.245

def build_模型Z4： 模型=顺序 model.addLSTM10，输入\u shape=1，10，返回\u sequences=True model.addLSTM84，返回\u sequences=True model.addLSTM84，返回\u序列=False model.addDense1，activation='linear' model.compileloss='mean_squared_error'，optimizer='adam'，metrics=['mean_squared_error'] 范文摘要 回归模型 lstmz4=构建模型Z4 checkpointer=ModelCheckpointfilepath=weightslstmz4.hdf5，verbose=1，save\u best\u only=True newsclstmhis=lstmz4.fittrainX，trainY，epochs=1000，batch_size=221，validation_data=testX，testY，verbose=2，shuffle=False，回调=[checkpointer] 注意，当我使用ann模型时，它收敛于mse=0.8。因此，对于lstm，它应该收敛

---

提前谢谢你

4760对于LSTM来说是一个非常小的维度。加上它似乎是一个非常简单的分类模型，尝试使用更简单的算法，比如svm，但如果你坚持使用深度学习，请使用具有密集层的序列模型，而不是比这个模型多几个层的序列模型，它肯定会给出您可以获得更好的结果。

为什么要使用LSTM？您的数据是时间序列数据吗？输入形状为4760x10时，4760表示人数，10表示功能数量。你有随时间而获得的样本吗？4760是每个城镇的周数。我看，预测离y的真实值相差很远。使用输入为1,10的LSTM没有意义。您正在将时间步数设置为1，这意味着您没有使用历史来预测未来。相反，开始将数据“切分”为时间序列数据块，如每个样本有12个时间步，然后将LSTM与新数据相匹配。@SaTa如何操作？