Python 如何将一个简单的系列转换为Keras LSTM？

我很难理解keras中的LSTM输入。我如何在输入矩阵中转换一个非常简单的序列1，2，3，4，5，6，7，8，9，10，因为它可以预测下一个数字

我找到了那个图表

我读了一些教程，他们说矩阵的形状就像

[[0 1 2 3 4]
 [1 2 3 4 5]
 [2 3 4 5 6]
 [3 4 5 6 7]
 [4 5 6 7 8]]

我已经成功了

list1 = []
for i in range(0, 10):
    list1.append(i)
list2 = []
list3 = []

for i in range(0, len(list1) - 5):
    list2.append(list1[i:i + 5])

list2 = np.array(list2)

---

但是行和列在该图中代表什么呢？

Keras LSTM层具有以下调用参数：

调用参数：

inputs: A 3D tensor with shape [batch, timesteps, feature].

您给出的矩阵是2D形状的

（5,5）

，即5行5列

由于您使用的是LSTM，让我举一个文本数据示例：

猫坐在狗身上

上面的句子有5个单词，每个单词可以矢量化为5个维度（单词嵌入）。 这会使你的句子变成一个2D形状的张量

（5,5）

现在你可以有多个句子了

• 狗坐在猫身上
• 猫吃了狗食
• 狗吃了猫食

现在你一共有4个句子，这是你的一批。这4个句子中的每一个都有一个张量

（5,5）

，因为它们都有5个单词，并且你用5个维度对每个单词进行编码

因此，您的整个数据集具有以下形状：

[batch, timesteps, feature] == [4, 5, 5]

现在可以将此3D张量输入LSTM层

如果您只想输入该2D矩阵，则必须使用展开尺寸以成为

（1,5,5）

3D形状

list2 = np.expand_dim(list2, axis=0)
print(list2)
print(list2.shape)

也指

[[[0 1 2 3 4]
  [1 2 3 4 5]
  [2 3 4 5 6]
  [3 4 5 6 7]
  [4 5 6 7 8]]]
(1, 5, 5)