Python LSTM-为培训准备数据

我正在Python中使用LSTM。为了训练LSTM，我需要告诉LSTM什么是依赖变量，什么是独立变量。我的因变量是形状（4432，1），我的三维阵列（lstm_ivs）的自变量是形状（4432，14，1800）

4432个单视频、1800帧（时间步长）和14个自变量。 4432个单个视频，1个因变量（印象）

如何分割数据进行培训？LSTM如何理解哪个因变量属于相应的独立变量（不要忘记1800个时间步）

这是我目前的代码：

lstm_shape = 10
main_shape = 16
drop = 0.2
learn = 0.95
rho = 0.95
epochs = 100
batch_size = 64
opt = optimizers.Adadelta(learning_rate=learn, rho=rho)
loss_weight = 0.8
es = EarlyStopping(monitor='val_main_output_loss', mode='min', verbose=1, patience=10)
es = EarlyStopping(monitor='main_output_loss', mode='min', verbose=1, patience=4)

model = Sequential()
model.add(LSTM(lstm_ivs.shape[0], activation='relu', input_shape=(lstm_ivs.shape[1], lstm_ivs.shape[2]),return_sequences=False))
model.add(Dense(1))
model.add(Dropout(drop))
model.add(Dense(lstm_shape,activation = 'relu'))
model.add(Dropout(drop))
model.add(Dense(lstm_shape,activation = 'relu'))
model.add(Dropout(0.2))
model.compile(optimizer = opt, loss='mean_squared_error')
print(model.summary())

所以模型运行得很好，但我不知道如何开始训练

我希望你能帮助我

最好的 凯

我不知道如何开始训练

要训练模型，您应该调用

model.fit（）

方法

然后，一旦经过培训，就可以使用

model.predict（）

预测新值

在这些文档中，您可以阅读有关参数的信息，以准确了解数据应如何传递