Machine learning 输入为TFIDF的LSTM，尺寸错误

我试图以TFIDF作为输入运行LSTM，但出现错误。我有TFIDF，每个条目有11915个维度

代码如下：

## Creating model
model=Sequential()
model.add(Bidirectional(LSTM(100, input_shape=(1, 11915),return_sequences=True)))
model.add(Dropout(0.3))
model.add(Dense(1,activation='sigmoid'))
model.build(input_shape=(1, 11915))
model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])
print(model.summary())

错误如下 层27的输入0与层不兼容：预期ndim=3，发现ndim=2。收到完整形状：[11915]

我是这个领域的新手，任何帮助都将不胜感激。如果有人编写一个虚拟代码来在这样的输入上运行双向LSTM，那就太好了

我的输入是10229*11915的tfidf。我想使用TFIDF上的LSTM作为输入进行假新闻检测

您想在双向层中指定输入形状：

model.addBidirectionalLSTM100，返回序列=True，输入形状=11915 要在双向层中指定输入形状：

model.addBidirectionalLSTM100，返回序列=True，输入形状=11915

---

这是一个完整的工作示例

# create fake data
n_sample = 10229
X = np.random.uniform(0,1, (n_sample,11915))
y = np.random.randint(0,2, n_sample)

# expand X to 3D
X = X.reshape(X.shape[0],1,X.shape[-1])

model=Sequential()
model.add(Bidirectional(LSTM(100, return_sequences=False), input_shape=(1, 11915)))
model.add(Dropout(0.3))
model.add(Dense(1, activation='sigmoid'))

model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])
print(model.summary())

model.fit(X,y, epochs=3, batch_size=256)

---

发生错误的原因可能是您没有正确管理数据。还要注意正确定义第一层并返回_sequences=False，因为您的输出是2D的。这是一个完整的工作示例

# create fake data
n_sample = 10229
X = np.random.uniform(0,1, (n_sample,11915))
y = np.random.randint(0,2, n_sample)

# expand X to 3D
X = X.reshape(X.shape[0],1,X.shape[-1])

model=Sequential()
model.add(Bidirectional(LSTM(100, return_sequences=False), input_shape=(1, 11915)))
model.add(Dropout(0.3))
model.add(Dense(1, activation='sigmoid'))

model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])
print(model.summary())

model.fit(X,y, epochs=3, batch_size=256)

发生错误的原因可能是您没有正确管理数据。还要注意正确定义第一层，并返回_sequences=False，因为您的输出是二维的