我有1000个不同的用户，并且数据集包含了过去1年中这些用户的活动。总记录超过30万。 LSTM RNN的输入具有与这些用户相对应的特征向量。还包括用户，因为每个用户的行为可能因人而异。网络应该学习每个用户的行为，并且应该能够基于同一用户的过去信息来预测下一个行为。 如何在LSTM RNN中为每个用户维护单独的隐藏状态。
以下博客文章与我的问题类似：
https://towardsdatascience.com/multi-state-lstms-for-categorical-features-66cc974df1dc
我的数据集如下：
我将数据集转换为numpy数组的3D，并将其重塑为（记录数，时间步长，n_features）。
问题是：
1）是否需要对“用户”属性进行编码？
2）此问题的正确批量大小是多少？是批次= 1000（不同用户数）吗？
3）我是否需要在模型的每个批次输入中包括每个用户的数据？
OR
请提出正确解决此问题的建议。
答案 0 :(得分：1)
这只是自动的。您什么都不需要做。
LSTM层肯定会有一个状态矩阵，其大小等于您的用户数量。 （否则它将无用）
