python上的LSTM模型，预测集的重塑答案

【问题标题】：LSTM model on python, reshape of the prediction setpython上的LSTM模型，预测集的重塑
【发布时间】：2021-12-05 12:20:14
【问题描述】：

我正在研究用于时间序列预测的 LSTM 模型。在我必须重塑模型的输出以计算准确度指数并绘制结果之前，它运行良好。这是我的代码：

train, test = btc.loc[btc.index <= '2020-12-31'], btc.loc[btc.index > '2020-12-31']

scaler = StandardScaler()
scaler = scaler.fit(train)

train, test = scaler.transform(train), scaler.transform(test)

def to_sequences(x, y, seq_size=1):
    x_values = []
    y_values = []

    for i in range(len(x)-seq_size):
        
        x_values.append(x[i:(i+seq_size)])
        y_values.append(y[i+seq_size])
        
    return np.array(x_values), np.array(y_values)

seq_size = 30

xtrain, ytrain = to_sequences(train, train, seq_size)
xtest, ytest = to_sequences(test, test, seq_size)

model = Sequential()
model.add(LSTM(128, input_shape=(xtrain.shape[1], xtrain.shape[2])))
model.add(Dropout(rate=0.2))
model.add(RepeatVector(xtrain.shape[1]))
model.add(LSTM(128, return_sequences=True))
model.add(Dropout(rate=0.2))
model.add(TimeDistributed(Dense(xtrain.shape[2])))
model.compile(optimizer='adam', loss='mae')
model.summary()

# fit model
history = model.fit(xtrain, ytrain, epochs=10, batch_size=32, validation_split=0.1, verbose=1)

trainPredict = model.predict(xtrain)
testPredict = model.predict(xtest)

模型预测后，我不知道如何管理它，因为预测的形状是 (1023,30,1) 但我显然需要重塑才能拥有一个二维数组。如果我使用 .reshape(-1,1) 进行整形，我将获得一个具有 (1023, 30) 的二维数组，但我需要一个具有 (1203, 1) 的二维数组，即只有预测值的数组。

【问题讨论】：

代码以文本形式提供。

标签： python lstm reshape

【解决方案1】：

模型预测的输出应该已经具有形状 (1203, 1)。您无需进一步破坏它即可获得正确的形状。

您正在使用来自TimeDistributed 的Dense 层，它为每个时间维度使用相同的密集层。如果你想要最终的预测，你应该只使用最后一个时间维度，你可以通过在你的最后一个LSTM 层中将return_sequences=True 更改为False 并使用常规的Dense 层作为输出层来做到这一点。

【讨论】：