具有多個時間序列的LSTM

Question

我正在針對具有結構：450x801的數組中的多個時間序列訓練LSTM。 有450個時間序列，每個801個時間步/時間序列。 標簽是分配了1到6的整數的類，因此標簽的尺寸為450x1。 這是我的實現：

這是我的代碼：

def readData():
labels = pd.read_csv('label.csv', header = None)
labels = labels.values
data = pd.read_csv('data.csv', header = None)
return data, labels

data, labels = readData()

data_train, data_test, labels_train, labels_test = train_test_split(data, labels)

model = Sequential()
model.add(LSTM(units=32, input_shape = (450,801,1)))
model.add(Dense(6, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

但是，出現以下錯誤：

輸入0與lstm_3層不兼容：預期ndim = 3，找到的ndim = 4

知道如何解決嗎？

Answer 1

現在正在工作。 最終代碼：

def readData():
labels = pd.read_csv('label.csv', header = None)
labels = labels.values
labels = to_categorical(labels)
data = pd.read_csv('data.csv', header = None)
return data, labels

data, labels = readData()
data = np.expand_dims(data, axis=-1)

data_train, data_test, labels_train, labels_test = train_test_split(data, labels)

model = Sequential()
model.add(LSTM(units=32, input_shape = (801,1)))
model.add(Dense(6, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])