Python 熊猫数据帧的Keras LSTM形状

我正在玩机器学习，并试图跟随一些例子，但我一直在尝试将我的数据放入Keras LSTM层

我在Pandas数据框中有一些股票行情数据，每隔15分钟用ohlc和每行的其他指标进行重采样

我的代码如下。df是我的数据帧：

x = df.iloc[:, :-1].values
y = df.iloc[:, -1:].values

dimof_input = x.shape[1]
dimof_output = len(set(y.flat))

model = Sequential()
model.add(LSTM(4, input_dim=dimof_input, return_sequences=True))
model.compile(loss='mse', optimizer='rmsprop')

model.fit(x, y, nb_epoch=1, batch_size=1, verbose=2)

当我尝试健身时，我得到：

Error when checking input: expected lstm_16_input to have 3 dimensions, 
but got array with shape (33, 100)

我从其他地方的例子中复制了这一点。我不太明白如何在这个模型中获得正确的数据形状。有人能帮忙吗

感谢加载。

输入形状

具有形状批次大小、时间步长、输入尺寸的三维张量，具有形状批次大小、输出尺寸的可选二维张量。从…起 您指定了input_dim=dimof_input。模型期望三维张量作为输入，但得到二维张量。如果您参考正在实施的教程，我可能会更多地介绍问题的原因。 您可以尝试按以下方式重塑输入数据：

x = x.reshape(x.shape[0], 1, x.shape[1])

---

此外，还可以找到有关Keras LSTM图层输入数据的一些信息。

您使用LSTM究竟想实现什么？我将学习一些股票价格预测教程。主要的是，这只是一个需要处理的问题，而不是任何严肃的事情。好吧。。。也许这与你的dimof_输入有关，你可以通过x.shape[1]得到这个输入。。。x的形状是什么？通常我只是在没有索引的情况下做x.shape…@Ludo你找到答案了吗？想看看如何从df到3D张量…谢谢！现在尝试建议的重塑将错误更改为：ValueError:检查输入时出错：预期lstm_17_输入的形状为None，None，1，但得到了形状为33，1100的数组。我想我一定从根本上误解了这些输入形状的工作原理。我现在已经设法失去了我一直遵循的教程。让我试试找。谢谢你的帮助。