我无法理解将多变量时间序列输入到LSTM的正确方法是什么。
假设我有一个随时间变化的3个特征的数据集，像这样：
| 特征1 | 特征2 | 特征3 |
|---|---|---|
| 1 | 2 | 3 |
| 4 | 5 | 6 |
| 7 | 8 | 9 |
我应该像这样使用numpy.vstack()将数据直接输入到LSTM中吗？
[[1,2,3], [4,5,6], [7,8,9]]还是应该按列堆叠数据，使每行成为特征序列，使用numpy.column_stack()，像这样：
[[1,4,7], [2,5,8], [3,6,9]]回答：
根据Keras LSTM的API：
输入：一个形状为[batch, timesteps, feature]的3D张量。
因此，特征（多个变量）应该由最后一个维度表示，这意味着您的第一个建议是正确的。
注意：如果您不是为整个数据集使用fit函数，那么batch维度才需要考虑。否则，如果您是在推断时呈现单个示例，您还应该在第0轴上应用numpy.expand_dims函数。
