ValueError:操作数无法与形状（1108）（3，）（1108）一起广播

Question

import pandas as pd
import numpy as np
from numpy import array
from keras.models import Sequential
from keras.layers import LSTM
from keras.layers import Dense
from sklearn.preprocessing import MinMaxScaler

# split a multivariate sequence into samples
def split_sequences(sequences, n_steps, n_test):
    X, y = list(), list()

    for i in range(0,len(sequences),100):
        # find the end of this pattern
        end_ix = i + n_steps
        # check if we are beyond the dataset
        if i!=0 and end_ix > len(sequences):
            break

        sequences[i:end_ix,0]=np.insert(np.diff(sequences[i:end_ix,0]),0,0)
        # gather input and output parts of the pattern
        seq_x, seq_y = sequences[i:end_ix-n_test], sequences[end_ix-n_test:end_ix]

        X.append(seq_x)
        y.append(seq_y)
    return array(X), array(y)

df = pd.read_csv('time-series-19-covid-combined.csv')
df = df.drop(['Lat','Long'], axis = 1)
df.columns = ['day','country', 'territory','confirmed','recovered','deaths']

data=df[df.country.isin(['Australia','Costa Rica','Greece','Hungary','Israel'])][['confirmed','recovered','deaths']]

is_brazil =  (df['country']=='Brazil')

data2=df[(is_brazil)][['confirmed','recovered','deaths']]
date=df[(is_brazil)][['day','confirmed']]
date.day = pd.to_datetime(date.day,format='%Y%m%d', errors='ignore')
date.set_index('day', inplace=True)

n_features = data.shape[1] # this is number of parallel inputs
n_timesteps = date.shape[0] # this is number of timesteps
n_test = int(n_timesteps*0.25)

X, Y = split_sequences(data.values, n_timesteps, n_test)

#normalization#####################################################
alld=np.concatenate((X,Y),1)
alld=alld.reshape(alld.shape[0]*alld.shape[1],alld.shape[2])



scaler = MinMaxScaler()
scaler.fit(alld)
X=[scaler.transform(x) for x in X]
y=[scaler.transform(y) for y in Y]

X=np.array(X)
y=np.array(y)[:,:,0]

# define model
model = Sequential()
model.add(LSTM(50, activation='relu', input_shape=(n_timesteps - n_test, n_features)))
model.add(Dense(y.shape[1]))
model.compile(optimizer='adam', loss='mse')

# fit model
model.fit(X, y, epochs=200, verbose=1)

# evaluation

data2x=data2
truth = data2

data2x.values[0:len(data2x),0]=np.insert(np.diff(data2x.values[0:len(data2x),0]),0,0)
data2x=scaler.transform(data2x)

X_test = np.expand_dims(data2x, axis=0)

yhat = model.predict(X_test[:,-n_timesteps + n_test:,:], verbose=0)

print (data2x[-n_timesteps + n_test:,0], yhat)

actual_predictions = scaler.inverse_transform(np.tile(yhat, (1, 1, 3))[0])[:,0]

大小和值：

X:float-64阵列（16108,3）

X_测试：浮点-64（1144,3）阵列

Y:float-64（16,36,3）的数组

alld:float-64（2304,3）数组

数据：数据帧（1728,3）

数据2：数据帧（144,3）

data2x:float-64（144,3）的数组

日期：数据帧（144,1）

数据帧（38448,6）

is_巴西：系列（38448，）

n_特征：3（int）

n_测试：36（int）

n_时间步长：144（整数）

真相：数据帧（144,3）

y:float-64（16,36）的数组

yhat:float-32（1,36）阵列

我打算在我的项目中做的是用来自某一组国家的确诊病例、康复患者和死亡数据来训练LSTM，并尝试预测另一个国家的病例数量。例如：使用来自澳大利亚、哥斯达黎加、希腊、匈牙利和以色列的数据对LSTM进行培训，并尝试预测巴西的病例数量

找到原始代码here并尝试使用Keras对其进行编码，但在上面的最后一行代码中，当我尝试反向规范化时，出现了错误：ValueError:操作数无法与形状（1108）（3，）（1108）一起广播。

我不知道该怎么解决这个问题。在其他线程中搜索，但没有成功。任何解决方案都将不胜感激

致以最良好的祝愿

希戈

Answer 1

解决了

我在之前添加了一条缺失的重塑线：

lstm_out=lstm_out.reshape(1,144,1).cpu().data.numpy()