如何在keras中实现多状态LSTM RNN

我有1000个不同的用户，数据集由这些用户在过去1年中的活动组成。总记录超过30万条。LSTM RNN的输入具有与这些用户对应的特征向量。用户也包括在内，因为每个用户的行为可能因人而异。网络应该了解每个用户的行为，并且应该能够根据同一用户的过去信息预测下一个行为。 如何在LSTM RNN中为每个用户维护单独的隐藏状态

以下博客帖子与我的问题类似：

更新 我的数据集看起来像：

我将我的数据集转换为一个3D的numpy数组，并将其重塑为（无记录、时间步长、n_特征）

问题是:

1） 是否有必要对“用户”属性进行编码

2） 此问题的正确批量大小是多少？是否批量=1000（不同用户的数量）

3） 我是否需要在模型的每个批输入中包含每个用户的数据

或

---

请建议正确解决此问题。

这只是自动的。你不需要做任何事

---

LSTM

层肯定会有一个与您的一批用户大小相当的状态矩阵。（否则就没用了）

你好，丹尼尔，如果我说，每个批次都应该包含来自每个用户的相同比例的数据，我会错吗？我不理解这个问题。这不是义务。你好，丹尼尔，请查看问题中的更新。你能帮我找到解决方案吗？嗨，ab，你能找到解决方案吗？如何实现用于时间序列预测的多状态lstm？提前谢谢！