问Keras :使用过去几天的向量创建事件发生的每日向量

EN

我刚刚开始用Tensorflow / Keras在Python中实现LSTM，以测试我的想法，但是我很难正确地创建一个模型。

对于每一天，我想预测哪一组事件将发生。其思想是，有些事件是反复发生的/总是在一段时间过去之后发生的，而另一些事件则很少发生或没有任何结构。LSTM应该能够捕捉到这些反复发生的事件，以便预测未来几天的发生情况。

为了显示事件，我使用一个值为0和1(无发生和发生)的列表。例如，如果我有活动“去学校”，“去健身房”，“买一台电脑”，我有一个清单，比如1，0，1，1，0，1，0，1，1，1，0等等。这个想法是，LSTM会意识到我每天都去上学，每隔一天去健身房，买一台电脑是非常罕见的。因此，按照向量的顺序，第二天它应该可以预测1,0,0。

我不知道在LSTM /代码中实现这一点的最佳方法是什么，但到目前为止，我已经完成了以下工作：

1. 创建x_train，它是一个具有形状的numpy数组(363,193)。它包含363个具有相同193个事件的列表。
2. 创建y_train，它也是一个具有形状的数组( 363 , 193 )。这些名单比x_train早了一天。因此，例如，x_train[1] == y_train[0]计算为所有True.

我不希望我的模型作为输入第一天和预测第二天。我想给它训练数据，如第1天，第2天，第3天，...,365，然后让它创建一个0-1矢量为第366,367，.独自一人。我在网上发现了很多文章，但它们似乎都专注于预测单个值，而不是一个完整的向量。

我尝试过的一个实现如下：

model.add(layers.LSTM(100,input_shape=(363, 193), return_sequences=True))
model.add(layers.Dropout(0.2))
model.add(layers.Dense(1, activation='linear'))
model.compile(loss='mse',optimizer='rmsprop')
model.fit(x_train,y_train)

ValueError: Input 0 of layer "sequential_27" is incompatible with the layer: expected shape=(None, 363, 193), found shape=(None, 193)

为了得到至少一个工作模型，我尽可能多地使用输入形状，但对我来说，这似乎是正确的，因为我的input_shape和x_train.shape是一样的。我还将return_sequences设置为True，因为我相信我想利用许多到许多关系。

如果有人能在如何正确创建LSTM方面给我一些帮助，我将非常感激。