keras - 使用针对不同时间步数据训练的模型进行不同时间步长的预测

Question

我已经用 3 个时间步训练了我的 LSTM。以下是 Keras LSTM 层。

model.add(LSTM(32, return_sequences=True, input_shape=(None, 3))).

前任：

   X                           Y
   [[1,2,3],[2,3,4],[4,5,6]]   [[4],[5],[7]]

现在我需要预测具有不同 time_steps 的序列的下一个值（例如：2）

  X= [[1,2]]

当我使用 X= [[1,2]]我得到以下错误

ValueError: Error when checking input: expected lstm_1_input to have shape (None, 3) 
but got array with shape (1, 2)

当我用于训练时，我是否应该提供相同的形状。

或者我仍然可以使用不同的时间步长（输入形状）进行预测。

感谢您在此问题上的帮助。

标签： keraslstm

Answer 1

我相信您在使用模型预测新数据时需要使用相同的形状。您的数据使用 3 个时间步 (train_X) 进行了训练，因此您应该在建模时为其提供 3 个时间步输入。预测您的测试数据 (test_X)。