Python 如何使用scikit learn将大型timeseries拆分为多个示例？
所以我有一系列的结果，比如说1000个观测值。在每一个时间步中，我也有10个功能，我想把它们训练成上述回报的预测者。因此，我的总数据集形状如下所示： （1000，11）即（1000个观察值，每个观察值有1个收盘价和10个特征。） 我的挑战是，我需要将其转换为以下格式，以训练任何类型的神经网络： （样本、时间步、特征），其中每个样本都是原始1000个观测值的一部分 按照我的例子，如果我们从1000个观测值中抽取5个样本，我们会得到一个（5200，11）的形状，我需要得到这个形状来训练我的模型。5个样本，每个样本200个OB，具有11个相应的特征Python 如何使用scikit learn将大型timeseries拆分为多个示例？,python,arrays,numpy,time-series,lstm,Python,Arrays,Numpy,Time Series,Lstm,所以我有一系列的结果，比如说1000个观测值。在每一个时间步中，我也有10个功能，我想把它们训练成上述回报的预测者。因此，我的总数据集形状如下所示： （1000，11）即（1000个观察值，每个观察值有1个收盘价和10个特征。） 我的挑战是，我需要将其转换为以下格式，以训练任何类型的神经网络： （样本、时间步、特征），其中每个样本都是原始1000个观测值的一部分 按照我的例子，如果我们从1000个观测值中抽取5个样本，我们会得到一个（5200，11）的形状，我需要得到这个形状来训练我的模型。5个
从（1000,11）到（5200,11）的最简单的方法是什么，最终产品是dtype np.array？对np.Reforme不起作用吗？