Python 输入5行数据，在Keras LSTM中分类（预测）第6行

我想将数据集的5行输入到

LSTM

，并对Y的第6行进行分类。我通过重塑数据进行了输入：

X = X.reshape(6000,5,5)

但我如何预测第六排的Y？Y应该是什么形状？我在谷歌上读了很多书，搜索了很多东西，但老实说，我无法理解代码，因为他们在使用数据之前对数据进行了自定义

我的完整代码：

import pandas as pd
from sklearn.preprocessing import LabelEncoder,MinMaxScaler
from keras.layers import Dense,RNN,LSTM,Activation,Dropout,SimpleRNN,Bidirectional
from keras.optimizers import RMSprop,Adam
from keras.wrappers.scikit_learn import KerasClassifier
from keras.models import Sequential
from sklearn.model_selection import train_test_split
import numpy as np

df = pd.read_csv('./EURUSD_DATAFRAME.csv')
BinEncoder = LabelEncoder()
scalar = MinMaxScaler()

df['pos'] = df['pos'].astype('int')
dat = df.values




X = dat[0:30000,0:5]
Y = dat[0:6000,5]


X[:,4]= BinEncoder.fit_transform(X[:,4])
X[:,0:4] = scalar.fit_transform(X[:,0:4])
X[:,4] = X[:,4].astype('int')
Y = BinEncoder.fit_transform(Y)

X = X.reshape(6000,5,5)
#MODEL 3
 model = Sequential()
 model.add(LSTM(1024,input_shape=(5,5),return_sequences=True,kernel_initializer='normal'))
 #model.add(Activation('tanh'))
 model.add(Dropout(0.2))
 model.add(LSTM(512))
 model.add(Dropout(0.3))
 model.add(Dense(1))
 model.add(Activation('sigmoid'))
 model.compile(optimizer='adam',loss='binary_crossentropy',metrics=['accuracy'])
 model.fit(X,Y,batch_size=100,epochs=10,validation_split=0.2)
 p = model.predict(X)
# print(classifier.score(X,Y))
# ----

---

我正在分类编码为1或0的Y

这很简单。使用内置的keras函数：这将把它变成一个热表示，如[0,1]和[1,0]

 from keras.utils import to_categorical

 y = to_categorical(y, num_classes=2)

---

并将最后一个密集层中的单位数更改为num_类，在您的示例中为2。我认为你应该用softmax来分类而不是sigmoid。此外，我建议您在lstm层或更高级的LeakyRelu层之间使用“relu”激活，这非常简单。使用内置的keras函数：这将把它变成一个热表示，如[0,1]和[1,0]

 from keras.utils import to_categorical

 y = to_categorical(y, num_classes=2)

---

并将最后一个密集层中的单位数更改为num_类，在您的示例中为2。我认为你应该用softmax来分类而不是sigmoid。此外，我建议您在lstm层或更高级的LeakyRelu层之间使用“relu”激活。对不起，我真的不明白您的意思是什么？您的输入形状是（6000，5，5），输出形状是（6000，2）？那么你说的第六排是什么意思呢？

对不起，我真的不明白你说的这是什么意思？您的输入形状是（6000，5，5），输出形状是（6000，2）？第六排是什么意思？

谢谢，我的一个问题解决了。我如何输入5行作为输入，并预测第6行？谢谢，我的一个问题解决了。我如何输入5行作为输入，并预测第6行？分类器获得5行数据作为输入，然后预测（分类）第6行标签。我想我知道了，您输入了5个特征、行，并期望模型预测第6行的标签。在这种情况下，你不需要做任何事情，因为nn会找到你的输入x和标签y之间的映射，因为这就是它们的制作原因。我对此非常困惑，我如何从前面的5行中预测第6行标签！！！非常感谢你！！分类器得到5行数据作为输入，然后它预测（分类）第6行标签。我想我得到了，你输入了5个特征，行，并期望模型预测第6行标签。在这种情况下，你不需要做任何事情，因为nn会找到你的输入x和标签y之间的映射，因为这就是它们的制作原因。我对此非常困惑，我如何从前面的5行中预测第6行标签！！！非常感谢你！！