LSTM时间序列预处理时X_test为嵌套数组转张量报错如何解决？

问题原因 #

• 核心原因是循环遍历范围错误导致部分时间窗口切片长度不足：你当前for循环遍历了全部n_records个索引，当索引i满足i + stepsBack > len(X)时，切片X[i : i + stepsBack]的长度会小于你设定的stepsBack=7，出现长短不一的窗口。
• 训练集取的是序列前半部分的窗口，索引都比较小，所有窗口长度都能达到7，所以np.asarray可以直接转成正常的三维数值数组；而测试集取的是序列后半部分的窗口，很多索引对应的切片长度不足7，numpy无法合并成统一维度的数值数组，只能退而求其次生成嵌套的object类型数组，转tensor的时候自然报错。
• 额外的错误点：你当前的测试集切片逻辑x[split + stepsForward : n_records - stepsForward]也存在边界计算错误，进一步放大了窗口长度不一致的问题。

修复方案 #

直接修改walk_forward函数的逻辑，确保所有生成的时间窗口长度完全一致：

def walk_forward(X, stepsBack, stepsForward, trainTestSplit):
    # 调整遍历范围：确保每个窗口的x长度为stepsBack、y长度为stepsForward，不会越界
    max_i = len(X) - stepsBack - stepsForward + 1
    x = []
    y = []
    for i in range(max_i):
        x.append(X[i : i + stepsBack])  
        y.append(X[i + stepsBack : i + stepsBack + stepsForward])
    
    # 直接按比例划分即可，所有窗口长度都是统一的
    split = int(len(x) * trainTestSplit)
    xtrain = x[:split]
    xtest = x[split:]
    ytrain = y[:split]
    ytest = y[split:]
    
    print('train=%d, test=%d' % (len(xtrain), len(xtest))) 
    return np.asarray(xtrain), np.asarray(ytrain), np.asarray(xtest), np.asarray(ytest)

修改后所有x窗口的长度都是固定的7，np.asarray会直接生成正常的三维数值数组，转tensor的报错会自动消失。

内容的提问来源于stack exchange，提问作者Crayfi