Python 具有一个序列特征和三个电流特征的LSTM

我有一个关于使用LSTM模型预测销售额的问题。 要构建模型，我需要输入以前的销售值（选择样本大小30），以及当前（t）功能，如是否促销、是否度假等。我当前的代码：

def create_dataset(dataset, look_back=1):
dataX, dataY = [], []
for i in range(len(dataset)-look_back-1):
    a = dataset[i:(i+look_back), 0]
    dataX.append(a)
    dataY.append(dataset[i + look_back, 0])
return np.array(dataX), np.array(dataY)

look_back = 30
trainX, trainY = create_dataset(train, look_back)
valX, valY = create_dataset(val, look_back)

# note: train and val dataset here only include sale values

trainX = np.reshape(trainX, (trainX.shape[0], 1, trainX.shape[1]))
valX = np.reshape(valX, (valX.shape[0], 1, valX.shape[1]))

---

我创建了n*30个数据集（30列）。然后我应用到keras LSTM模型中。但是，如何将当前功能（而不是时间序列）作为输入包含到模型中呢？

如果您以非顺序的方式构建模型，使用功能API，您可以有多个输入。然后，您可以使用lstm处理时序，并使用某些密集层中的当前功能处理输入。然后，在进行预测之前，将它们合并并使用一些更密集的层作为示例

下面可以找到一些例子