时间序列的输入形状LSTM
时间序列的输入形状LSTM
提问于 2018-04-10 09:43:00
我正在尝试将时间序列拟合到带有Keras的LSTM中，并且在输入形状上有一些问题。
在本文：https://machinelearningmastery.com/time-series-prediction-lstm-recurrent-neural-networks-python-keras/中，作者选择了形状：( trainX.shape，1，trainX.shape1)，但是LSTM的输入应该是：(样本、时间步骤、特性)，所以他不应该选择这个形状：(1，trainX.shape，trainX.shape1)？因为它是一个单一的意甲，随着时间的推移有多个步骤
我试着用我自己的时间序列去做，但是它不起作用，所以我错过了什么？我的情况和那篇文章完全一样。它的工作，当我重塑，就像作者做，但它不工作，我的方式。
谢谢。
Stack Overflow用户
回答已采纳
发布于 2018-04-10 14:18:30
作者使用的是stateful=True；
这意味着每个新输入都将被视为前一个输入的“后续步骤”，直到它们手动调用model.reset_states()为止。
我不知道他们为什么要使用这个，但有一些原因是：
- 我们需要一个步骤的输出来构造下一个步骤的输入。
- 我们的序列太长，不适合记忆
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/49750367
复制相关文章
相似问题
腾讯云开发者
