我有一个100k行的数据集，它是商店项目编号对（例如（商店1，项目190）），300列，这是一系列日期（例如2017-01-01,2017-01 -02,2017-01-03 ......）价值是销售额。
我尝试使用LSTM keras来预测未来的销售，我该如何构建我的火车和验证数据集？
我想像data[:, :n_days]和data[:, n_days:]那样分割火车和验证。所以我的列车和验证数据集中都有相同数量的样本（100k）。我认为这不对吗？
如果是这样的话，如果列车和验证数据集的尺寸完全相同，我应该如何定义n_days？ （例如，n_days = 150,19天用于预测1天）。
如何构建我的火车和验证数据集？
不确定是否有经验法则，但通常的方法是将数据集拆分为~80％的训练集和~20％的验证集;在你的情况下，这将是大约80k和20k。实际百分比可能会有所不同，但该比率是大多数消息来源推荐的比例。理想情况下，您还需要一个测试数据集，一个您在培训或验证期间从未使用过的测试数据集，以评估模型的最终性能。
现在，关于数据的形状，重要的是要回忆一下复述层上的keras docs所说的内容：
输入形状
具有形状的3D张量（batch_size，timesteps，input_dim）。
定义此形状取决于问题的性质。你提到你想要预测销售额，所以这可以被称为回归问题。您还提到您的数据由构成您的时间序列的300列组成，当然您拥有每个行的实际销售价值。
在这种情况下，使用批量大小为1，您的形状似乎是（1,300,1）。这意味着您正在训练1个元素的批次（最彻底的渐变更新），其中每个时间步骤有300个时间步长和1个特征或维度。
为了分割您的数据，您可以使用以前帮助我的一个选项来自train_test_split的Sklearn方法，您只需传递数据和标签并指出您想要的比率：
from sklearn.cross_validation import train_test_split
#Split your data to have 15% validation split
X, X_val, Y, Y_val = train_test_split(data, labels, test_size=0.15)