Python 如何将2D pandas阵列适配到Keras LSTM层？

我有一个二维数组（熊猫），它是一个时间序列，有3180行，每行有8列（数组）作为特征。我正在尝试训练一个LSTM层

sc = StandardScaler()
X_train = sc.fit_transform(X_train)
print (X_train.shape)
classifier = Sequential()
classifier.add(LSTM(units=128, input_shape=(1, len(X_train), x.shape[1])))

如中所述。但是错误就像

ValueError: Input 0 is incompatible with layer lstm_1: expected ndim=3, found ndim=4

---

LSTM

需要一个3D数组作为输入，因此

input\u shape

shape的长度应为2

假设

X\u train.shape

是

（3180,8,1）

，这应该可以工作：

LSTM(units=128, input_shape=X_train.shape[1:]))

---

请让我知道，我们如何提高进行时间序列预测的任何Keras+LSTM网络的准确性。如果这解决了您的问题，请选择正确答案。关于准确性，您可能应该开始一个新问题。