具有不同长度序列的基于LSTM的多元时间序列预测

Question

我正在建立一个使用多元时间序列的模型，目的是预测同一数据的未来值。我想获得一些有关构建训练数据的最佳方法的建议。

我的数据集看起来像这样：

index, a, b, c, u  
0 [1,2,3,4,5], [6,7,8,9,10], [11,12,13,14,15], u1  
1 [1,2,3], [6,7,8], [11,12,13], u2  
2 [1,2,3,4], [6,7,8,9], [11,12,13,14], u3

• a，b和c是时间序列，它们对应于用户u。
• 对于每个用户，a，b和c均以相同的采样率进行采样，因此它们涵盖了相同的经过时间（例如，u1的长度a = u1的长度b，u2的a长度=长度b代表u2，依此类推）。
• 在整个用户中，采样率仍然相同，但是样本总数有所不同（例如，u1的a长度与u2和u3的a长度不同）

我想针对多个用户在a，b，c上训练模型我想根据特定用户过去的a，b，c来预测其对a，b，c的未来值。 我的问题是，如何处理用户之间不同的序列长度？