基于多变量时间序列的keras训练LSTM模型
我有一个客户行为的时间序列数据集。对于每个月，我为每个客户设置一行，其中包括一组功能（例如，支出金额、访问次数等）和目标值（二进制值；客户是否购买产品“a”） 我的问题是：我想训练一个LSTM模型来预测下个月的目标值（客户下个月是否购买产品“A”）。因为我有多个时间序列（每个客户一个），所以每个时间戳我有多个样本（例如，对于2010年1月，我有1000多个样本，依此类推）。我如何训练模特？我是否要一个时代一个时代地进行，并为每个时代的所有客户逐个安装模型？这件事还有我不知道的另一面吗基于多变量时间序列的keras训练LSTM模型,keras,deep-learning,time-series,lstm,Keras,Deep Learning,Time Series,Lstm,我有一个客户行为的时间序列数据集。对于每个月，我为每个客户设置一行，其中包括一组功能（例如，支出金额、访问次数等）和目标值（二进制值；客户是否购买产品“a”） 我的问题是：我想训练一个LSTM模型来预测下个月的目标值（客户下个月是否购买产品“A”）。因为我有多个时间序列（每个客户一个），所以每个时间戳我有多个样本（例如，对于2010年1月，我有1000多个样本，依此类推）。我如何训练模特？我是否要一个时代一个时代地进行，并为每个时代的所有客户逐个安装模型？这件事还有我不知道的另一面吗 Datas
Dataset features:
Number of customers: 1500;
Length of time series: 120;
Number of features per customer: 80(before adding time-shifted features);