Python 重塑LSTM的输入数据

我有1000种配置。每个点有1000个点，在每个点上，观察到6个（最多9个）特征的信息。我希望将最后一列作为目标，表的其余部分将是我的输入训练数据集。现在，为了向LSTM网络提供数据，我遇到了创建输入数据集的初始问题。我不知道如何重塑3D矩阵。我写的主要代码如下：

# reshape input to be [samples, time steps, features]
trainX = np.reshape(trainX, (trainX.shape[0], 1, trainX.shape[1]))
testX = np.reshape(testX, (testX.shape[0], 1, testX.shape[1]))

---

我确信此代码不适合我的问题，但如果您能帮我一个忙，我将不胜感激。

LSTM用于序列数据，您的数据是序列还是时间序列？为什么要使用

LSTM

，以及您需要的数据类型have@MatiasValdenegro我有一系列重复的数据。例如，每年我都有相同点的数据。@ShubhamShaswat，因为我有一个重复的

顺序过程。也许，您会问为什么
LSTM
，为什么不是RNN。我决定使用
LSTM
，因为我知道这一个比
RNN
更适合我的问题，但我不确定（基于搜索）您是否将此时间信息用于LSTM？