Python 滑动窗口数据的LSTM预测

我的培训数据是用户日常数据的重叠滑动窗口。它的形状是

（1470,3,256,18）

：
1470批3天的数据，每天有256个18个特征样本

我的目标形状是

（1470，）

： 每个批次的标签值

我想训练LSTM预测

[3天批次]->[1个目标]

对于缺少256个样本的天数，256天样本用-10填充

---

我编写了以下代码来构建模型：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dropout,Dense,Masking,Flatten
from tensorflow.keras.optimizers import RMSprop
from tensorflow.keras.callbacks import TensorBoard,ModelCheckpoint
from tensorflow.keras import metrics

def build_model(num_samples, num_features):

  opt = RMSprop(0.001) 

  model = Sequential()
  model.add(Masking(mask_value=-10., input_shape=(num_samples, num_features)))
  model.add(LSTM(32, return_sequences=True, activation='tanh'))
  model.add(Dropout(0.3))
  model.add(LSTM(16, return_sequences=False, activation='tanh'))
  model.add(Dropout(0.3))
  model.add(Dense(16, activation='tanh'))
  model.add(Dense(8, activation='tanh'))
  model.add(Dense(1))
  model.compile(loss='mse', optimizer=opt ,metrics=['mae','mse'])
  return model

---

我可以看出这些形状是不兼容的，但我不知道如何更改代码以适应我的问题

任何帮助都将不胜感激

更新：我对数据进行了如下修改：

train_data.reshape(1470*3, 256, 18)

---

是吗？

我认为您正在寻找时间分布（LSTM（…）（）

train_data.reshape(1470*3, 256, 18)

day, num_samples, num_features = 3, 256, 18

model = Sequential()
model.add(Masking(mask_value=-10., input_shape=(day, num_samples, num_features)))
model.add(TimeDistributed(LSTM(32, return_sequences=True, activation='tanh')))
model.add(Dropout(0.3))
model.add(TimeDistributed(LSTM(16, return_sequences=False, activation='tanh')))
model.add(Dropout(0.3))
model.add(Dense(16, activation='tanh'))
model.add(Dense(8, activation='tanh'))
model.add(Dense(1))
model.compile(loss='mse', optimizer='adam' ,metrics=['mae','mse'])

model.summary()