LSTM时间序列预测报错expected ndim=3 found ndim=2求助

核心报错原因 #

• LSTM层要求输入为3维张量，格式为(样本数, 时间步长, 特征数)，你当前的训练集X_train_seasonal形状为(893, 93)，只有2维，缺少特征维度。
• 模型定义中input_shape参数填写错误：input_shape仅需描述单个样本的形状，不需要包含样本数维度，你错误传入了样本总数X_train_seasonal.shape[0]，同时还漏写了.shape，X_train_seasonal[1]实际取的是训练集的第二个样本，而非第二维的大小。

修复步骤 #

1. 给训练集增加特征维度：如果你的数据是单特征时序数据，直接在最后加一维即可，调整后形状变为(893, 93, 1)

import numpy as np
X_train_seasonal = np.expand_dims(X_train_seasonal, axis=-1)

2. 修正模型的input_shape参数

def getModel():
    model = tf.keras.Sequential()
    # input_shape格式为(时间步长, 特征数)，不需要传入样本数
    model.add(tf.keras.layers.LSTM(100, activation='relu', input_shape=(X_train_seasonal.shape[1], X_train_seasonal.shape[2])))
    model.add(tf.keras.layers.Dense(units=1))
    return model

修改完成后再运行编译和训练代码即可正常执行。

内容的提问来源于stack exchange，提问作者João David de Freitas