我有250天的数据，72个训练样本特征和一列目标变量。并希望预测21351行中72个特征的未来30天。我将如何重塑我的数据输入和输出。看起来我有点困惑，而且库给了我关于形状不兼容的错误。

我正在重塑为：

trainX.reshape(1, len(trainX), trainX.shape[1])

trainY.reshape(1, len(trainX))

但给我错误：

ValueError：输入数组的采样数应与目标数组的采样数相同。找到1个输入样本和250个目标样本。

与以下内容相同的错误：

trainX.reshape(1, len(trainX), trainX.shape[1])

trainY.reshape(len(trainX), )

同样的错误是：

trainX.reshape(1, len(trainX), trainX.shape[1])

trainY.reshape(len(trainX), 1)

目前，trainX被重塑为：

trainX.reshape(trainX.shape[0], 1, trainX.shape[1])

array([[[  4.49027601e+00,  -3.71848297e-01,  -3.71848297e-01, ...,
           1.06175239e+17,   1.24734085e+06,   5.16668131e+00]],

       [[  2.05921386e+00,  -3.71848297e-01,  -3.71848297e-01, ...,
           8.44426594e+17,   1.39098642e+06,   4.01803817e+00]],

       [[  9.25515792e+00,  -3.71848297e-01,  -3.71848297e-01, ...,
           4.08800518e+17,   1.24441013e+06,   3.69129399e+00]],

       ..., 
       [[  3.80037999e+00,  -3.71848297e-01,  -3.71848297e-01, ...,
           1.35414902e+18,   1.23823291e+06,   3.54601899e+00]],

       [[  3.73994822e+00,  -3.71848297e-01,   8.40698741e+00, ...,
           3.93863169e+17,   1.25693299e+06,   3.29993440e+00]],

       [[  3.56843035e+00,  -3.71848297e-01,   1.53710656e+00, ...,
           3.28306336e+17,   1.22667253e+06,   3.36569960e+00]]])

列车改型为：

trainY.reshape(trainY.shape[0], )

array([[-0.7238661 ],

       [-0.43128777],

       [-0.31542821],

       [-0.35185375],

       ...,

       [-0.28319519],

       [-0.28740503],

       [-0.24209411],

       [-0.3202021 ]])

而testX则被重塑为：

testX.reshape(1, testX.shape[0], testX.shape[1])

array([[[ -3.71848297e-01,  -3.71848297e-01,  -3.71848297e-01, ...,
          -3.71848297e-01,   2.73982042e+06,  -3.71848297e-01],

        [ -3.71848297e-01,  -3.71848297e-01,  -3.71848297e-01, ...,
          -3.71848297e-01,   2.73982042e+06,  -3.71848297e-01],

        [ -3.71848297e-01,  -3.71848297e-01,  -3.71848297e-01, ...,
           2.00988794e+18,   1.05992636e+06,   2.49920150e+01],

       ..., 

        [ -3.71848297e-01,  -3.71848297e-01,  -3.71848297e-01, ...,
          -3.71848297e-01,  -3.71848297e-01,  -3.71848297e-01],

        [ -3.71848297e-01,  -3.71848297e-01,  -3.71848297e-01, ...,
          -3.71848297e-01,  -3.71848297e-01,  -3.71848297e-01],

        [ -3.71848297e-01,  -3.71848297e-01,  -3.71848297e-01, ...,
          -3.71848297e-01,  -3.71848297e-01,  -3.71848297e-01]]])

错误是：

ValueError：检查时出错：预期lstm_25_输入具有形状（无，1，72），但获得具有形状（12895067，72）的数组

编辑1：

以下是我的模型代码：

trainX = trainX.reshape(trainX.shape[0], 1, trainX.shape[1])
trainY = trainY.reshape(trainY.shape[0], )
testX = testX.reshape(1, testX.shape[0], testX.shape[1])

model = Sequential()

model.add(LSTM(100, return_sequences=True, input_shape = trainX.shape[0], trainX.shape[2])))
model.add(LSTM(100))
model.add(Dense(1, activation='linear'))

model.compile(loss='mse', optimizer='adam')

model.fit(trainX, trainY, epochs=500, shuffle=False, verbose=1)

model.save('model_lstm.h5')

model = load_model('model_lstm.h5')

prediction = model.predict(testX, verbose=0)

ValueError Traceback（最近的调用最后）in（）43model.compile（损失='mse'，优化器='adam'）44---

D：\AnacondaIDE\lib\site-包\keras\models.py适合（自我，x，y，batch_size，时代，冗长，回调，validation_split，validation_data，洗牌，class_weight，sample_weight，initial_epoch，**kwargs）865class_weight=class_weight，866sample_weight=sample_weight，-

D:\AnacondaIDE\lib\site packages\keras\engine\training。拟合中的py（自我、x、y、批次大小、年代、详细、回调、验证分割、验证数据、洗牌、类别权重、样本权重、初始纪元、每纪元步长、验证步长、**kwargs）1520
类别权重=类别权重，1521检查批次轴=假-

D:\AnacondaIDE\lib\site packages\keras\engine\training。py在用户数据（自身、x、y、样本重量、类别重量、检查批次轴、批次大小）1376
self中_进给输入形状，1377
检查批次轴=假-

D：\AnacondaIDE\lib\site-包\keras\引擎\training.py_standardize_input_data（数据，名称，形状，check_batch_axis，exception_prefix）142'有形状'str（形状[i]）143'但有形状的数组-

ValueError：检查输入时出错：预期lstm_31_输入具有形状（无，250，72），但获得具有形状（21351，1，72）的数组

编辑2：

在尝试了@Paddy的更新解决方案后，我在调用predict（）时出现以下错误：

（）1模型中的ValueError回溯（最后一次调用）模型=加载模型（'modellstm.h5'）2----

d：\AnacondaIDE\lib\site-包\keras\models.py在预测（自我，x，batch_size，冗长）911如果不是self.built： 912self.build（）-

D：\AnacondaIDE\lib\site-包\keras\Engine\training.py在预测（自我，x，batch_size，详细，步骤）1693 x=_standardize_input_data（x，自我。_feed_input_names，1694自我。_feed_input_shapes，-

D:\AnacondaIDE\lib\site packages\keras\engine\training。py in _standarize_input_data（数据、名称、形状、检查批处理轴、异常前缀）130'具有'str（len（shapes[i]）131'维度，但具有形状的数组'--

ValueError:检查时出错：预期lstm_64_输入有3个维度，但得到了具有形状的数组（2895067，72）