LSTM模型报错TypeError: 'int' object is not iterable的修复求助

问题背景 #

构建LSTM模型时触发如下错误：

TypeError: 'int' object is not iterable

相关代码：

parameters1 = len(data.columns)
model = Sequential()
model.add(LSTM(24, input_shape = parameters1, return_sequences=True))
model.add(LSTM(12))
model.add(Dense(6, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

推测问题出在input_shape参数，但不清楚具体修复方法。

问题原因 #

Keras中LSTM层的input_shape参数要求传入可迭代的元组，用来定义输入数据的形状（不包含批量维度）。直接传入整数会导致Python尝试迭代该整数时触发错误。

LSTM处理序列数据，输入形状格式为(时间步长, 特征数)：

• 时间步长：序列的长度（比如每个样本包含的时间点数量）
• 特征数：每个时间点对应的特征数量（即你代码中parameters1的值）

修复方案 #

将input_shape的整数参数改为元组形式，根据数据情况选择以下写法：

1. 固定时间步长：如果输入序列是固定长度（比如每个样本仅1个时间步），直接指定时间步长：

parameters1 = len(data.columns)
model = Sequential()
# 这里假设时间步长为1，根据实际数据调整第一个数值
model.add(LSTM(24, input_shape=(1, parameters1), return_sequences=True))
model.add(LSTM(12))
model.add(Dense(6, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

2. 可变时间步长：如果需要模型支持任意长度的输入序列，将时间步长设为None：

parameters1 = len(data.columns)
model = Sequential()
model.add(LSTM(24, input_shape=(None, parameters1), return_sequences=True))
model.add(LSTM(12))
model.add(Dense(6, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

注意事项 #

确保输入数据形状与input_shape匹配：输入数据需为(样本数, 时间步长, 特征数)格式，若不符合需先做reshape处理。

内容的提问来源于stack exchange，提问作者sara ebrahimi