用keras训练LSTM进行分类，数据结构有60个时间步长

Question

我有一个多维数据集（3500,10），其中有一个我想要预测的二进制变量y（3500,1）。所以我使用以下代码分隔X和y，并创建一个60步时的数据结构，用作LSTM网络的输入：

data_set = data_set.as_matrix() # Using multiple predictors.

X_total = []
y_total = []

n_future = 1  # Number of days you want to predict into the future
n_past = 60  # Number of past days you want to use to predict the future


for i in range(60, len(data_set)):
    X_total.append(data_set[i-n_past:i, :9])
    y_total.append(data_set[i+n_future-1:i + n_future, 9])
X_total, y_total = np.array(X_total), np.array(y_total)

然后我得到X_total（3460,60,9）和y_total（3460,1）

我怎样才能确定NN使用X_total匹配y_total的每个obs？ 这有点令人困惑，当我查看X_total数据时，它似乎从原始data_set的第一个obs和60th的y_total开始。 我怎么检查呢？