NASA涡轮风扇数据集LSTM模型训练报错：数据基数不匹配求助

直接错误原因 #

你在model.fit()里传参错误：第二个参数应该是训练集标签y_train，但你传了测试集X_test，导致训练数据（23608样本）和标签（10119样本）的数量不匹配，触发了数据基数错误。

除此之外，你的数据集预处理和模型结构还存在几个关键问题，下面是完整修正方案：

分步修正方案 #

1. 修正数据集预处理逻辑 #

NASA涡轮风扇数据集是时序回归任务（预测剩余使用寿命RUL），不是图像数据，所以：

• 移除/255.0的操作，改用适合时序数据的标准化方法
• 不要拼接训练集和测试集后拆分，保留原始划分，避免数据泄露
• 用训练集的统计量来归一化测试集

from sklearn.preprocessing import StandardScaler

# 初始化标准化器，仅用训练集计算均值和标准差
scaler = StandardScaler()
train_scaled = scaler.fit_transform(train1)
test_scaled = scaler.transform(test1)

2. 转换为LSTM要求的三维输入格式 #

LSTM需要输入格式为(样本数, 时间步长, 特征数)，你当前的数据维度是(特征数, 样本数)，需要重构数据：

def create_lstm_samples(data, labels, time_steps=30):
    """
    将时序数据转换为LSTM样本：每个样本取发动机最后N个时间步的传感器数据
    参数:
        data: 按发动机分组的时序数据列表
        labels: 每个发动机对应的RUL标签
        time_steps: 每个样本包含的时间步数
    """
    X, y = [], []
    for engine_seq, rul in zip(data, labels):
        if len(engine_seq) >= time_steps:
            # 取最后time_steps个时间步作为输入
            X.append(engine_seq[-time_steps:])
            y.append(rul)
    return np.array(X), np.array(y)

# 注意：需根据你的数据集实际结构调整data和labels的传入方式
X_train, y_train = create_lstm_samples(train_scaled, y_train)
X_test, y_test = create_lstm_samples(test_scaled, y_test)

3. 修正模型结构与训练参数 #

• 调整LSTM的输入形状为(时间步长, 特征数)，不需要指定样本数
• 最后一层LSTM关闭return_sequences，因为后续接全连接层
• 回归任务移除sigmoid激活和accuracy指标，用MSE作为损失函数

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dropout, Dense

model = Sequential()
# input_shape=(时间步长, 特征数)
model.add(LSTM(units=100, activation='relu', return_sequences=True, input_shape=(X_train.shape[1], X_train.shape[2])))
model.add(Dropout(0.5))
# 最后一层LSTM不需要返回序列
model.add(LSTM(units=50, activation='relu', return_sequences=False))
model.add(Dropout(0.5))
# 回归任务用线性激活（默认）
model.add(Dense(units=1))

# 回归任务编译配置
model.compile(loss='mse', optimizer='adam')

# 正确训练：传入训练集特征和标签，可选加入验证集
history = model.fit(X_train, y_train, epochs=10, batch_size=200, verbose=1, validation_data=(X_test, y_test))

# 评估模型
test_loss = model.evaluate(X_test, y_test, verbose=0)
print(f"测试集MSE: {test_loss}")

关键注意点 #

• 确保你的数据集已经按发动机分组，每个发动机对应一段连续的时序传感器数据和一个RUL标签
• 时间步长（time_steps）可以根据任务调整，比如20、30或50，需要验证效果
• 不要在训练前泄露测试集数据的统计信息，所有归一化操作都必须基于训练集计算的参数

内容的提问来源于stack exchange，提问作者B OZTURK