我是Keras和RNN的新手我需要在Keras中使用LSTM RNN为数据集构建一个分类器模型,该数据集包含一组形状(1795575,6)和标签形状阵列(1795575,1) . 标签为11类(从0到10)形状测试集(575643,6)和标签形状阵列(575643,1.Again,标签是11(从0到10)
如何塑造以下Keras模型以满足我的数据集 . 我应该选择哪些值?
from keras.models import Sequential
from keras.layers import LSTM, Dense
from keras.optimizers import SGD
import numpy as np
data_dim = ?
timesteps = ?
num_classes = ?
batch_size = ?
sgd = SGD(lr=0.1, decay=1e-6, momentum=0.9, nesterov=True)
model = Sequential()
model.add(LSTM(32, return_sequences=True, stateful=True,batch_input_shape=
(batch_size, timesteps, data_dim)))
model.add(LSTM(32, return_sequences=True, stateful=True))
model.add(LSTM(32, stateful=True))
model.add(Dense(?, activation='softmax'))
model.compile(loss='sparse_categorical_crossentropy',optimizer='sgd',
metrics=['accuracy'])
model.fit(train_X_arr, train_y_arr,batch_size=batch_size, epochs=epochs,
shuffle=False,validation_data=(test_X_arr, test_y_arr))
我感谢您的帮助,并提前致谢
1 回答
你想做的是:
就是这样 .
编辑:此外,请确保您重塑您的列车数据:(1795575,6,1) - > 1795575示例,每个有6个时间戳,每个时间戳是标量 .
您可以使用np.expand_dims(train_data,-1)轻松实现 .