Python 3.x CNN的标签重塑

我面临的问题，而重塑数据，以适应卷积神经网络。我尝试了很多解决方案，但仍然无法做到这一点。数据集包含800行和271列（最后一列包含类标签）。总共有9节课。下面是我的代码：

 dataset = pd.read_csv('train.csv')

 X = dataset.iloc[:, 0:270].values
 y = dataset.iloc[:, 270].values

 print("X Shape: "+str(X.shape))  ---> (804, 270)

 *** Reshaping Variables here

 X_train, X_test, y_train, y_test = train_test_split(X_reshaped, Y_reshaped, test_size = 0.20)

 model = Sequential()
 model.add(Convolution1D(64, kernel_size=(10), input_shape=(X_train.shape[1],X_train.shape[2])))
 model.add(Activation('relu'))
 model.add(MaxPooling1D(3))
 model.add(Flatten())
 model.add(Dense(100))
 model.add(Dropout(0.5))
 model.add(Dense(9))
 model.add(Activation('softmax'))
 model.compile(loss='sparse_categorical_crossentropy', optimizer = 'adam', metrics = ['accuracy'])
 model.fit(X_train,y_train,validation_data=(X_test,y_test))
 print(str(model.evaluate(x_test,y_test)))

---

是否存在成功重塑变量以训练模型的方法？谢谢

卷积1d需要表单的输入

(samples, steps, input_dim)

现在你通过了

(samples,input_dim)

您需要根据800行中时间步长的排列方式重新调整数据的形状。

例如，如果800行是10个时间步的80个样本，比如第一个样本的10个时间步后面跟着另一个样本的10个时间步。。。

---

然后你需要重塑is（80,10270）

卷积1D用于处理时间数据，而你似乎没有它。您需要将数据拆分为样本数和时间步数