我试图馈送到MLP分类器的输入来自一段时间内的数据，并且我将其构造为3D数组，如下所示：
[[[feature1，feature2，feature3，...]，[feature1，feature2，feature3，...]，…]，其中feature1本身是一个值数组（采样但保持顺序），而第一维是通过次数（要进行训练的示例）-即尺寸为[通过次数] [特征数量] [该特征值的数组样值]。
但是，MLP分类器仅支持二维或更小的二维数组。有没有一种方法可以重组这些数据以满足要求，还是像基于数组的基于时间的数据那样输入不好？
的最终目标是将一次通过分类为不同的，不同类型的异常。
我尝试仅提供一种功能，因此第二维只是样本量，但是我想训练多种功能输入。我还尝试对每个功能中的值求平均值，但这并不能捕捉到整个时间的变化。最后，我尝试进行展平，但理想情况下，我希望它可以权衡每个功能的重要性，而与其他功能无关。
我对MLP分类器比较缺乏经验。谢谢。