Python 如何将2d数组转换为keras+；LSTM需要

我有一个

5000×9

2d numpy特征数组

trainX

，它们是时间序列的特征。我还有一个浮点功能标签的1d numpy数组

trany

。例如，这正是

scikit-learn

所需的格式

我想将这些用于keras+LSTM。这是我目前的代码：

NUM_EPOCHS = 20
model = Sequential()
model.add(LSTM(8, input_shape=(1, window_size)))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(trainX, trainY, epochs=NUM_EPOCHS, batch_size=1, verbose=2)

然而，这不起作用，因为keras需要一种不同的格式。我读过手册，但我不明白这到底是什么

如何将数据转换为keras可以接受的格式？

格式为

（示例、时间步、功能）

你有多少序列？听起来像是一个5000步的序列，对吗

那么格式是

（15000,9）

如果每个时间步有一个标签，则标签也应为

（15000,1）

。（然后使用

return\u sequences=True

）。否则标签为

（1,1）

---

或者，您可能希望将单个序列拆分为多个片段，例如，在经典的滑动窗口情况下，如果您想要一个三步窗口，您将有许多具有较少时间步长的样本，例如

（4998,3,1）

。然后标签应如下所示：

（4998,1）

格式为

（示例、时间步、功能）

你有多少序列？听起来像是一个5000步的序列，对吗

那么格式是

（15000,9）

如果每个时间步有一个标签，则标签也应为

（15000,1）

。（然后使用

return\u sequences=True

）。否则标签为

（1,1）

---

---

或者，您可能希望将单个序列拆分为多个片段，例如，在经典的滑动窗口情况下，如果您想要一个三步窗口，您将有许多具有较少时间步长的样本，例如

（4998,3,1）

。然后标签应如下所示：

（4998,1）

如果使用lstm RNN，为什么要添加滑动窗口？这还没有考虑到历史吗？是的，他们考虑到了。这不是必须的，但它是一个选项，很多教程都显示了这一点（我也认为这不是最好的做法，但可能，根据您的目的，它可能会起作用）。对于哪些应用程序，第一个轴中没有1？有多个序列的任何应用程序。假设你有2000名客户，两年内每个月你都有他们购买产品1、产品2和产品3的数量。-<代码>（2000,24,3）谢谢。因此，我只需要numpy代码就可以将2d（5000,9）功能数组转换为（15000,9）功能数组。如果使用lstm RNN，为什么要添加滑动窗口？这还没有考虑到历史吗？是的，他们考虑到了。这不是必须的，但它是一个选项，很多教程都显示了这一点（我也认为这不是最好的做法，但可能，根据您的目的，它可能会起作用）。对于哪些应用程序，第一个轴中没有1？有多个序列的任何应用程序。假设你有2000名客户，两年内每个月你都有他们购买产品1、产品2和产品3的数量。-<代码>（2000,24,3）谢谢。所以我只需要numpy代码来将2d（5000,9）特征数组转换为看起来的（15000,9）特征数组。