Python 多步骤时间序列预测（keras）的输入形状错误

我有一只股票的开盘价、高价、低价和收盘价（OHLC），我想预测接下来的6个OHLC值

数据如下所示：

[[ 2166.99  2149.97  2168.88  2165.63]
 [ 2165.86  2158.48  2166.88  2164.88]
 [ 2166.69  2162.17  2167.13  2166.13]
 ..., 
 [ 2181.32  2178.06  2184.38  2178.5 ]
 [ 2183.87  2179.69  2184.75  2183.32]
 [ 2183.51  2181.78  2184.07  2183.07]]

[[[ 2165.86  2158.48  2166.88  2164.88]
  [ 2166.69  2162.17  2167.13  2166.13]
  [ 2167.26  2164.43  2167.88  2166.8 ]
  [ 2167.37  2165.84  2167.62  2166.87]
  [ 2167.73  2166.61  2168.12  2167.37]
  [ 2168.92  2167.17  2170.12  2167.62]]

 [[ 2166.69  2162.17  2167.13  2166.13]
  [ 2167.26  2164.43  2167.88  2166.8 ]
  [ 2167.37  2165.84  2167.62  2166.87]
  [ 2167.73  2166.61  2168.12  2167.37]
  [ 2168.92  2167.17  2170.12  2167.62]
  [ 2170.23  2168.04  2171.13  2169.8 ]]
 ..., 

model = Sequential()
model.add(TimeDistributed(Dense(4), input_shape=(1, 4)))

# now model.output_shape == (None, 10, 8)
model.add(Dropout(0.2))

# subsequent layers: no need for input_shape
model.add(TimeDistributed(Dense(1,activation='softmax')))

# now model.output_shape == (None, 10, 32)
model.compile(loss="mean_squared_error", optimizer="rmsprop")
print("Model compiled.")

我还有一个3D数组，它保存了应该预测的值，如下所示：

[[ 2166.99  2149.97  2168.88  2165.63]
 [ 2165.86  2158.48  2166.88  2164.88]
 [ 2166.69  2162.17  2167.13  2166.13]
 ..., 
 [ 2181.32  2178.06  2184.38  2178.5 ]
 [ 2183.87  2179.69  2184.75  2183.32]
 [ 2183.51  2181.78  2184.07  2183.07]]

[[[ 2165.86  2158.48  2166.88  2164.88]
  [ 2166.69  2162.17  2167.13  2166.13]
  [ 2167.26  2164.43  2167.88  2166.8 ]
  [ 2167.37  2165.84  2167.62  2166.87]
  [ 2167.73  2166.61  2168.12  2167.37]
  [ 2168.92  2167.17  2170.12  2167.62]]

 [[ 2166.69  2162.17  2167.13  2166.13]
  [ 2167.26  2164.43  2167.88  2166.8 ]
  [ 2167.37  2165.84  2167.62  2166.87]
  [ 2167.73  2166.61  2168.12  2167.37]
  [ 2168.92  2167.17  2170.12  2167.62]
  [ 2170.23  2168.04  2171.13  2169.8 ]]
 ..., 

model = Sequential()
model.add(TimeDistributed(Dense(4), input_shape=(1, 4)))

# now model.output_shape == (None, 10, 8)
model.add(Dropout(0.2))

# subsequent layers: no need for input_shape
model.add(TimeDistributed(Dense(1,activation='softmax')))

# now model.output_shape == (None, 10, 32)
model.compile(loss="mean_squared_error", optimizer="rmsprop")
print("Model compiled.")

我知道这些数据没有标准化，但我认为这在这个话题上无关紧要

代码（我在某处找到）如下所示：

[[ 2166.99  2149.97  2168.88  2165.63]
 [ 2165.86  2158.48  2166.88  2164.88]
 [ 2166.69  2162.17  2167.13  2166.13]
 ..., 
 [ 2181.32  2178.06  2184.38  2178.5 ]
 [ 2183.87  2179.69  2184.75  2183.32]
 [ 2183.51  2181.78  2184.07  2183.07]]

[[[ 2165.86  2158.48  2166.88  2164.88]
  [ 2166.69  2162.17  2167.13  2166.13]
  [ 2167.26  2164.43  2167.88  2166.8 ]
  [ 2167.37  2165.84  2167.62  2166.87]
  [ 2167.73  2166.61  2168.12  2167.37]
  [ 2168.92  2167.17  2170.12  2167.62]]

 [[ 2166.69  2162.17  2167.13  2166.13]
  [ 2167.26  2164.43  2167.88  2166.8 ]
  [ 2167.37  2165.84  2167.62  2166.87]
  [ 2167.73  2166.61  2168.12  2167.37]
  [ 2168.92  2167.17  2170.12  2167.62]
  [ 2170.23  2168.04  2171.13  2169.8 ]]
 ..., 

model = Sequential()
model.add(TimeDistributed(Dense(4), input_shape=(1, 4)))

# now model.output_shape == (None, 10, 8)
model.add(Dropout(0.2))

# subsequent layers: no need for input_shape
model.add(TimeDistributed(Dense(1,activation='softmax')))

# now model.output_shape == (None, 10, 32)
model.compile(loss="mean_squared_error", optimizer="rmsprop")
print("Model compiled.")

我收到的错误消息如下：

Exception: Error when checking model input: expected timedistributed_input_1 to have 3 dimensions, but got array with shape (1793, 4)

---

我知道我必须重塑Xtrain阵列，但我不知道如何重塑它的外观，尤其是对于这个目标阵列。此外，对于此应用程序，哪一层最合适？

我遇到了几乎相同的问题！你找到解决方案了吗？你能把它贴在这里吗？TnxI最终解决了这个问题，但我没有源代码了，对不起。