私はLSTMネットワークをsin関数に適合させようとしています。現在、私がKerasを理解する限り、私のコードは次の値を予測するだけです。このリンクによれば、Many to one and many to many LSTM examples in Kerasは多対1モデルです。しかし、私の目標は、多対多のモデルを実装することです。基本的に、私は10の値を与えられた時間に予測することができるようにしたい。私は解決策であると考えられる return_sequences=True
を(ラインmodel.add(..)
を参照)、使用しようとしています場合は、次のエラーが発生します。ケラス(lstm) - return_sequences = Trueを使用する場合に必要な形状
ValueError: Error when checking target: expected lstm_8 to have 3 dimensions, but got array with shape (689, 1)
は残念ながら、私はこれがなぜ起こるか全く見当もつかない。 return_sequences=True
を使用するときに入力形状をどのようにする必要があるのかという一般的なルールはありますか?さらに、私は何を変える必要がありますか?助けてくれてありがとう。
import pandas
import numpy as np
import matplotlib.pylab as plt
from sklearn.preprocessing import MinMaxScaler
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
import sklearn
from keras.models import Sequential
from keras.layers import Activation, LSTM
from keras import optimizers
from IPython.display import SVG
from keras.utils.vis_utils import model_to_dot
#generate sin function with noise
x = np.arange(0, 100, 0.1)
noise = np.random.uniform(-0.1, 0.1, size=(1000,))
Y = np.sin(x) + noise
# Perform feature scaling
scaler = MinMaxScaler()
Y = scaler.fit_transform(Y.reshape(-1, 1))
# split in train and test
train_size = int(len(Y) * 0.7)
test_size = len(Y) - train_size
train, test = Y[0:train_size,:], Y[train_size:len(Y),:]
def create_dataset(dataset, look_back=1):
dataX, dataY = [], []
for i in range(len(dataset)-look_back-1):
a = dataset[i:(i+look_back), 0]
dataX.append(a)
dataY.append(dataset[i + look_back, 0])
return np.array(dataX), np.array(dataY)
# reshape into X=t and Y=t+1
look_back = 10
X_train, y_train = create_dataset(train, look_back)
X_test, y_test = create_dataset(test, look_back)
# LSTM network expects the input data in form of [samples, time steps, features]
X_train = np.reshape(X_train, (X_train.shape[0], X_train.shape[1], 1))
X_test = np.reshape(X_test, (X_test.shape[0], X_test.shape[1], 1))
np.set_printoptions(threshold=np.inf)
# compile model
model = Sequential()
model.add(LSTM(1, input_shape=(look_back, 1)))#, return_sequences=True)) <== uncomment this
model.compile(loss='mean_squared_error', optimizer='adam')
SVG(model_to_dot(model).create(prog='dot', format='svg'))
model.fit(X_train, y_train, validation_data=(X_test, y_test),
batch_size=10, epochs=10, verbose=2)
prediction = model.predict(X_test, batch_size=1, verbose=0)
prediction.reshape(-1)
#Transform back to original representation
Y = scaler.inverse_transform(Y)
prediction = scaler.inverse_transform(prediction)
plt.plot(np.arange(0,Y.shape[0]), Y)
plt.plot(np.arange(Y.shape[0] - X_test.shape[0] , Y.shape[0]), prediction, 'red')
plt.show()
error = mean_squared_error(y_test, prediction)
print(error)
ご返信ありがとうございますが、実際には手に入れません。行を 'dataY.append(dataset [i + 1:(i + 1 + look_back)、0])'に変更すると、あなたが述べた出力が得られますか? – Dennis
これは目的の出力に依存しますが、dataY.append(dataset [i + 1:(i + 1 + look_back)、0])は各ラベルを(loockback、1)ベクトルにする必要があります。 –
それは私が思ったものですが、違いはありません。少なくとも私は価値の誤りをも得ています。 'ターゲットをチェックするときのエラー:予想されるlstm_1が3次元であるが、形状(164,10)の配列を持っている ' – Dennis