Python 3.x Keras Conv1d输入股票数据的形状/参数

我正在尝试测试Keras 1DConv CNN，以帮助预测时间序列/股票数据。类似于N个股票的东西会有N个时间步的OHLCV数据。例如，对于N=1的股票，我试图只预测下一个时期的收盘价。比如说，使用一只股票，我有100个周期的OHLCV值，所以X.shape=（100，5），而y.shape=（100，1）

我正在尝试添加图层作为输入：

model.add(Conv1D(filters=50, kernel_size=7,activation='relu', data_format='channels_last',input_shape=(100,5)))

但在输入形状（当我尝试拟合数据时）方面，我总是会遇到错误，要么是尺寸不正确，要么是以错误的顺序传递形状。我已经尝试重新调整数组的形状以添加额外的维度，但到目前为止没有任何效果。我应该如何格式化数据，如果您对此任务有任何其他建议，请告诉我：缩放、参数（丢失、优化器、激活、数据_格式）。频道如何在这方面发挥作用

干杯

model.fit(X_train, y_train, epochs=nb_epoch, validation_data=(X_test, y_test), batch_size=16)

ValueError: Error when checking target: expected conv1d_1 to have 3 dimensions, but got array with shape (100, 5)

---

Conv1D需要一个3D输入

您有一个2D输入

如果你像这样重塑

x = x.reshape(batch, steps, channels)

有关更多信息，请参阅

它应该会起作用

---

如果您想要更详细的答案，请添加代码的其余部分，以便更容易复制。

X的第一个轴（即序列数据）指的是样本或批次维度。因此，您需要重塑

X

，使其具有

（num\u样本、num\u步骤、num\u专长）

的形状，在您的情况下，这将是

（num\u样本，100，5）

。这同样适用于

y

（即标签）。此外，可能会帮助你们更好地理解一维卷积。谢谢你们，虽然我尝试了这两个建议，但仍然不起作用。我得到的印象可能是因为我有这个作为我的输入层。我使用了X_train=X_train。重塑（1，-1,5）以使其达到该形状。Keras一直抱怨我在重塑后正在馈送一个2D数组，例如，我将其重塑为（1100,5）和它的错误数组（100,1）。还尝试不输入参数，但仍然会产生相同的3D与2D错误。batch/samples参数，在本例中是否与N个库存一样？keras在获取输入的方式上是否缺少什么？即使运行非Conv1D层，我也不断遇到维度问题。回来是因为我让它工作了！我试图从Conv1d层开始，而不是从输入层开始。对于其他有同样问题的人，从输入层开始：

input\u layer=input（shape=（5，1））

->（OHLCV“channels”x 1 timestep，我相信）然后

conv\u layer=Conv1D（过滤器、内核大小等）

。此链接有助于：（）<代码>分数=模型。评估（np.扩展dims（x_检验，轴=2），y_检验）还可以查看Packt实用时间序列分析以获得模型结构指南。不需要特定的输入层。在第一个Conv1D层中指定输入形状也应该有效。你确定你没有更改任何其他内容吗？您是否也对数据进行了重塑？