最近用LSTM神经网络做了一下财务选股，因为处理的是三维数据，也即面板数据，在网上有的报错没有直接的处理办法，对中间出现的报错，有一些自己的理解，如果不对，还希望指正。

分享一下处理经验：
1.
一个是shape()、reshape()函数的问题，经常会有：
ValueError:cannot reshape array of size 220110 into <870,7,36>

这其实是对这两个函数的理解问题，文档里说的比较不好理解，通俗一点就是shape(a,b,c)、reshape(a,b,c)
其实就是reshape(样本多少个，每个样本中有几组变量的个数，每个变量中又有几个多少分支)
reshape(870只股票，7年，每年36个变量)

shape函数同上

这样只要调节870*7*36和size 数值相等即可

2.
ValueError: Input 0 is incompatible with layer lstm_3 :expected ndim=3 , found ndim=2
这个问题是对LSTM的原理不够理解，LSTM处理的是三维数据变量，你要是输入一个矩阵那是不对的。换句话说，要求的是面板数据，输入的却是截面数据。那有一个维度上没有数据，那一定处理不了。
因此输入的结构从（7,36）改为（870,7,36）即可

3.
ValueError:  Error when checking target  : expected dense_1 to have 3 dimensions , but got array with shape <75,1>
这个问题说的其实还是三维的输入需求，只输入了二维，要把二维数据转换为三维的。转换代码我会附在后边


4.
ValueError:  Error when checking target  : expected dense_1 to have shape <1, > , but got array with shape <7, >
这个问题，其实是一个dense层只能处理一个向量，或者说一个年份的数据。但现在输入了7个，因为是7年的预测结果，因此，把dense层的神经元数量由1个改为7个就能够装得下7个输入了

因为excel导入的数据都是pandas的二维，所以要将其先转换为numpy然后再转为3为pandas的pannels数据
下面是二维转三维的输入代码：

输入excel数据时的转换：
inputfile = 'D:\input.xls'
data = pd.read_excel(inputfile) #读取数据

data_train0 = data.copy() #复制一下数据建模
data_train1=data_train0.values
data_train=data_train1.reshape(870,7,36)

x_train = data_train #特征数据

导出excel数据时的转换
三维转二维，转为dataframe
datap0是上边data_train经过运算后的三维数据，数据结构和data_train一致，即(870,7,36)
datap1=datap0.reshape(870,7)
datap2=np.array(datap1)
datap=pd.DataFrame(datap2)

datap.to_excel('D:\prey.xls')

最后，附上选出的股票预测图，因为没有wind等强大的数据库，在Choice上选了一些能反映企业运行状况的指标，做出了模型，将做出的模型，应用在沪深300池和上证50池中，选出前十，不换股票，只是维持10%比例，然后用等比例资金配置，简单跑一下回测，就是简单的买入持有策略，得到的效果还是跑赢了上证指数的
沪深300池中

上证50池中

这结果说明什么问题，大家自己思考吧