我正在尝试使用Keras构建一个神经网络,但遇到了错误: ValueError: Input 0 of layer sequential is incompatible with the layer:, input_dim = len(X), activation = 'relu'))
model.add(Dense(6, activation='softmax')) 在这里,X是使用scikit的结果-学习它的CountVectorizer() (在它被训练之后),如下所示: X = count_v
我想预测这个序列是如何继续的。我有一个由数组组成的start_xy数组,顺序为start_x和start_y:例如: 1、2.4、3.8,而对于end_xy则是相同的。pattern in batch: for sequence in pattern:
start = [order,sequence[0]model.fit(start_xy,end_xy,batch_size=len(start_xy), epochs=5000,
使用RapidMiner,我想实现一个LSTM来对时间序列中的模式进行分类。输入数据是平面表。我在Keras运算符中的第一层是从exampleset_length x nr_of_attributes到batch x time-steps x特征的核心重塑。在重塑参数中,我特别输入了三位数,因为我想要特定数量的特征和时间步长。实现这一点的唯一方法是还指定批量大小,因此总共为三位数。