我有一个机械问题，就像一个具有原始数据的时间序列，
time dtime cur dcur type proc start end
122088 1554207711521 3140 0.766106 0.130276 0 87556 1554203520000 1554207720000
122089 1554207714411 1800 0.894529 0.089670 0 87556 1554203520000 1554207720000
对于每个proc，都有一个时间实例，其时间实例并非精确地以适当的间隔。我有来自一组不同proc的数据，每个数据都来自同一类型的机械问题。目标是根据随机过程的新随机实例预测该过程中剩余的估计时间。
所以我的标签是eta = end - time。
我尝试对原始数据进行聚类并使用NN回归；和原始数据的密集NN回归。但是结果还不够好。
我正在考虑使用LSTM RNN进行时间预测。但是我不确定应该如何准备我的数据来训练LSTM模型。我猜想我必须根据每个proc创建一个时间序列。但是那时我有多个时间序列，我不知道该如何处理。
数据样本长度：122000
唯一数proc的数量：68（每个proc的样本数不相等）
欢迎提出建议。谢谢。