我正在尝试训练LSTM网络以进行无监督的二进制分类。
我有一个整数矩阵作为输入,每一行都是一个不同的跟踪广告,每一列都是一个特征。
这是我使用的模型:
time_steps = 4000
features = 25
model = Sequential()
model.add(LSTM(128, input_shape=(time_steps, features), name='lstm'))
model.add(Dense(1, activation='relu'))
model.summary()
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(x_train, x_train, batch_size=batch_size, epochs=epochs, verbose=2)
这是我得到的错误:
检查目标时发生错误:预期density_1具有2维,但数组的形状为(1,4000,25)
它在尝试运行model.fit时生成”
输入的格式如下:
x_train = np.array([input_array[:4000]])
输入的每条迹线都有25个特征。
我是该领域的新手,我不知道该如何解决问题。我已经检查过类似的票,但没有一个能帮助我。
这里有一些我分析过的票:
Error when checking target: expected dense_1 to have 3 dimensions, but got array with shape (118, 1)
我正在尝试训练LSTM网络进行无监督的二进制分类。我有一个整数矩阵作为输入,每一行都是一个不同的跟踪广告,每一列都是一个特征。这是模型...