model.predict() 输出维度与 y_train 维度不同答案

【问题标题】：model.predict() output dimensions is not the same as y_train dimensionsmodel.predict() 输出维度与 y_train 维度不同
【发布时间】：2021-06-16 12:28:13
【问题描述】：

我目前正在研究 LSTM 模型，以根据其他数据预测股票的收盘价。这是我第一次使用 RNN。我正在使用张量流。

当我尝试通过 X 训练数据（这是模型的训练数据）预测价格时，问题就出现了。与 y 训练数据相比，我得到不同的维度。

我正在使用 7 个时间步长为 100 的特征来预测收盘价。

这些是我输入数据的形状：

x_train = (3697, 100, 7)
y_train = (3697, 1)
x_test = (1584, 100, 7)
y_test = (1584, 1)

输入数据的形状对我来说似乎是正确的。我将 (100, 7) 的输入形状传递给模型

然后我运行：

predicted_stock_price_train = model.predict(x_train)
predicted_stock_price_train.shape

我得到的输出是 (3697, 100, 1)。我期待 (3697, 1) 这是 y_train 的尺寸。

结果，在执行 inverse_transform 时，我得到了错误：

ValueError: Found array with dim 3. Estimator expected <= 2.

因为 fit_transform 是在 y_train 上传递的。

我不明白我做错了什么。

编辑：这是 model.summary() 的输出

    Model: "sequential_6"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
lstm_15 (LSTM)               (None, 100, 50)           11600     
_________________________________________________________________
dropout_6 (Dropout)          (None, 100, 50)           0         
_________________________________________________________________
lstm_16 (LSTM)               (None, 100, 50)           20200     
_________________________________________________________________
dropout_7 (Dropout)          (None, 100, 50)           0         
_________________________________________________________________
dense_6 (Dense)              (None, 100, 1)            51        
=================================================================
Total params: 31,851
Trainable params: 31,851
Non-trainable params: 0
_________________________________________________________________

【问题讨论】：

最好将model.summary()的输出附加到您的问题中。
添加 flatten 层后，您应该会看到模型摘要中的最后一个条目是 (None, 1)
@Kaveh 嘿，我按照你的要求做了，并添加了一个 model.add(Flatten())。我得到 ValueError: Input 0 of layer lstm_31 is in compatible with the layer: expected ndim=3, found ndim=2.收到的完整形状：（无，700）。

标签： python tensorflow deep-learning lstm

【解决方案1】：

我设法弄清楚出了什么问题。事实证明这是一个非常愚蠢的错误。

这是导致错误的模型

model = Sequential()

model.add(LSTM(50,return_sequences=True,input_shape=(100, 7)))
model.add(Dropout(0.7))
model.add(LSTM(50,return_sequences=True))
model.add(Dropout(0.7))
model.add(Dense(1))

这里的问题是我在密集之前的最后一层有return_sequences = True。所以 LSTM 过去对数据和输出形状 (None, 100, 1)

这是没有错误的新模型

model = Sequential()

model.add(LSTM(50,return_sequences=True,input_shape=(100, 7)))
model.add(Dropout(0.7))
model.add(LSTM(50,return_sequences=False))
model.add(Dropout(0.7))
model.add(Dense(1))

这给出了 (None, 1) 的输出形状并解决了问题。

【讨论】：