数据挖掘 - LSTM 序列模型问题 re: ValueError: non-broadcastable output operand with shape doesn't match broadcast shape - 吾爱随笔录

这可能是一个非常简单的问题，但我无法找到直接解决这个问题的资源。我知道我一定理解错了；我不太确定怎么做。

我注意到，如果我的 LSTM 序列模型的最后一个密集输出层中的单元数不等于特征数（列），我会收到错误消息。

如果您想在输出（密集）层中输出 1 个要素，并且您有多个输入要素，您将如何：

做到这一点没有错误
确定正在输出哪个功能，或者 Keras 是否为每个功能提供输出，而您必须确定您想要哪个？

我想训练具有多个特征的模型，但我只对一个特征的预测感兴趣。

示例：我有“打开”、“低”、“高”、“关闭”和“体积”列（5 个特征）的数据。如果我将最后一个密集层中的单元数设置为 5 以外的任何值，我会收到一个广播错误，告诉我模型中的形状不一致。如果我在最后一个 Dense 输出层中放置 5 个单元，则不会出现错误。

例子：

def create_model(self, epochs, batch_size):
      
    model = Sequential()

    # Adding the first LSTM layer and some Dropout regularisation
    model.add(LSTM(units=128, return_sequences=True,
                   batch_size=batch_size, input_shape=(TIME_STEP, self.X_train.shape[2])))

    # Adding a second LSTM layer and some Dropout regularisation
    model.add(LSTM(units=128, return_sequences=True))
    model.add(Dropout(DROPOUT))

    # Adding a third LSTM layer and some Dropout regularisation
    model.add(LSTM(units=128, return_sequences=True))
    model.add(Dropout(DROPOUT))

    # Adding a fourth LSTM layer and some Dropout regularisation
    model.add(LSTM(units=128, return_sequences=False))
    model.add(Dropout(DROPOUT))

    # Adding the output layer
    model.add(Dense(units=5))
    model.summary()

    # compile model
    adam = optimizers.Adam(lr=LR)
    model.compile(optimizer=adam, loss='mae')
    model.fit(self.X_train, self.y_train, epochs=EPOCHS, batch_size=BATCH_SIZE)

如果我在密集层中输入“units=1”，我会收到以下错误：

ValueError：形状 (11784,1) 的不可广播输出操作数与广播形状 (11784,5) 不匹配