python LSTM的相关问题

Question

python  LSTM
我想问一下python LSTM 的问题比方说如下
X=np.array([[1,34,5,6],[2,4,51,2],[23,4,1,4],[1,23,45,6],[12,45,6,7,],[6,76,2,3]])
Y = np.array([[2],[4],[7]])
我的想法是用 使用LSTM模型   [1,34,5,6] 使得把LSTM模型参数传递参数给 [2,4,51,2] ，然后再预测  [2] ,但是X每两行的输入数据相互独立，就是lstm模型把不会传递任何参数给 [23,4,1,4]

再比如使用LSTM   [23,4,1,4] 使得把LSTM模型参数传递参数给 [1,23,45,6] ，然后再预测  [4] ,但是x每两行的输入数据相互独立，lstm不会传递任何参数给 [1,23,45,6]

``
还有就是还要做到mlp模型相似如下

```python
X_train,X_test,y_train,y_test = train_test_split(wb,Y,test_size=0.1,random_state=10)
print(X_test.shape,X_train.shape,wb.shape)#训练数据21个，测试数据11个，总数据32个
mlp = Sequential()#建立模型
mlp.add(Dense(units=15,activation="sigmoid",input_dim = 15))#二分类的用sigmoid
mlp.summary()
mlp.compile(optimizer="adam",loss="binary_crossentropy")#模型的优化
mlp.fit(X_train,y_train,epochs=10000)#训练
就想这样的传统模型，数据可以直接测试

```python

谢谢
###### 尝试过的解决方法 
```python
lstm模型怎么写
model = Sequential()                        #每个序列的样本数，  每个数据的点
model.add(lstm(units=5 , input_shape=(2,4) ,activation = "relu"))#激活函数用”relu“
model.add(Dense(units=1 , activation="linear"))#线性 ，回归的模型一般用线性的模型
#优化器
model.compile(optimizer="adam",loss = "mean_squared_error")#因为是回归模型，用距离的平方差的和去计算
model.summary()

###### 我想要达到的结果
X_train,X_test,y_train,y_test = train_test_split(wb,Y,test_size=0.1,random_state=10)
print(X_test.shape,X_train.shape,wb.shape)#训练数据21个，测试数据11个，总数据32个
mlp = Sequential()#建立模型
mlp.add(Dense(units=15,activation="sigmoid",input_dim = 15))#二分类的用sigmoid
mlp.summary()
mlp.compile(optimizer="adam",loss="binary_crossentropy")#模型的优化
mlp.fit(X_train,y_train,epochs=10000)#训练
就想这样的传统模型，数据可以直接测试
谢谢你们

Answer 1

• 你可以参考下这篇文章：Python Lstm库函数的调用