如何为喀拉拉邦的LSTM回归准备输入数据？

Question

我有一个包含5K行（用于验证的-1K）和17列（包括最后一个）（目标整数二进制标签）的数据集。

我的模型就是这个2层LSTM：

model = Sequential()
model.add(Embedding(output_dim=64, input_dim=17))
model.add(LSTM(32, return_sequences=True))
model.add(Dropout(0.5))
model.add(LSTM(32, return_sequences=False))
model.add(Dense(1))

model.compile(loss='binary_crossentropy', optimizer='rmsprop',
              class_mode='binary')

用熊猫加载数据集后

df_train = pd.read_csv(train_file)
train_X, train_y = df_train.values[:, :-1], df_train['target'].values

并尝试运行我的模型，出现此错误：

例外 ：使用TensorFlow时，应明确定义序列的时间步数。 -如果您的第一层是Embedding，请确保将“ input_length”参数传递给它。 否则，请确保第一层具有“ input_shape”或“ batch_input_shape”参数，包括时间轴。

我应该在input_length中input_length什么？ 总行数？

由于我的数据框的形状为train_X =（4000，17）train_y =（4000，），我该如何准备它来填充这种模型？ 我必须更改输入数据的形状吗？

谢谢你的帮助！！ （=

Answer 1

看起来Keras使用静态展开方法在TensorFlow上构建循环网络（例如LSTM）。 input_length应该是要训练的最长序列的长度：因此，如果CSV文件train_file每一行都是逗号分隔的符号序列，则它应该是最长行中的符号数。