建立时间序列预测模型以处理不同数量的特征时出现问题

Question

我正在尝试创建一个可以通过大量功能预测未来结果的模型。但是，要素数量因数据集的不同而有所不同，这取决于可以记录的内容，因此我很难找到一种方法来使我的模型函数具有的要素数量不同。有什么办法可以避免不使用零等填充特征向量？

我无法找到任何示例，但是我尝试将无法解决任何问题的功能的输入大小更改为无值

    model = Sequential()
    model.add(Conv1D(filters = 64, kernel_size = 3, activation = 'relu', 
    input_shape=(time_duration,None)))
    model.add(Conv1D(filters = 64, kernel_size = 3, activation = 'relu'))
    model.add(Dropout(0.5))
    model.add(MaxPooling1D(pool_size=3))
    model.add(Flatten())
    model.add(Dense(100, activation = 'relu'))
    model.add(Dense(no_classes,activation = 'softmax'))