我试图了解如何正确地将数据输入到我的keras模型中，以使用LSTM神经网络将多元时间序列数据分为三类。
我已经查看了不同的资源-主要是Jason Brownlee发表的这三篇优秀的博客文章post1，post2，post3），其他SO 问题和不同的论文，但是那里提供的信息都不完全适合我的问题情况，因此我无法弄清楚如果我的数据预处理/输入到模型中的数据是正确的，那么我想如果在这里指定确切的条件可能会得到一些帮助。
我正在尝试对多元时间序列数据进行分类，其原始形式的结构如下：
我有200个样本
一个示例是一个csv文件。
一个样本可以具有1到50个功能（即，csv文件具有1到50列）。
每个功能的值在固定的时间步长上被“跟踪”，比如说100（即，每个csv文件恰好有100行）。
每个csv文件都有以下三个类之一（“好”，“太小”，“太大”）
因此，我的当前状态如下：
我有一个具有以下结构的numpy数组“样本”：
# array holding all samples
[
# sample 1
[
# feature 1 of sample 1
[ 0.1, 0.2, 0.3, 0.2, 0.3, 0.1, 0.2, 0.4, 0.5, 0.1, ... ], # "time series" of feature 1
# feature 2 of sample 1
[ 0.5, 0.6, 0.7, 0.6, 0.4, 0.3, 0.2, 0.1, -0.1, -0.2, ... ], # "time series" …