我有一个数据集，其中包含时间序列数据和其他要素数据。通常，我们将RNN或RNN的任何变体（例如LSTM）用于时间序列数据，将简单的密集层用于要素数据。我需要将两个模型合并为一个模型。我们该怎么做？
以下是输入数据集
| Month1 | Month2 | Month3 | Month4 | Month5 | Age | UserType | CityA | CityB | CityC | Class |
|--------|---------|--------|--------|--------|-----|----------|-------|-------|-------|-------|
| 124 | 565 | 84 | 54 | 84 | 32 | 0 | 1 | 0 | 0 | 1 |
| 324 | 45 | 849 | 2156 | 846 | 32 | 1 | 0 | 1 | 0 | 0 |
| 345 | 5 | 15 | 215 | 848 | 34 | 0 | 0 | 0 | 1 | 0 |
| 24 | 525 | 84 | 2185 | 5498 | 56 | 1 | 0 | 1 | 0 | 1 |
| 3 | 15 | 8 | 21 | 84 | 54 | 1 | 1 | 0 | 0 | 1 |
| 345 | 215 | 4 | 21 | 86 | 32 | 1 | 0 | 0 | 1 | 0 |
| 63 | 21 | 22 | 455 | 84 | 25 | 0 | 0 | 0 | 1 | 1 |
| 3435 | 512 | 8 | 45 | 456 | 23 | 0 | 1 | 0 | 0 | 0 |
我需要对此数据集应用二进制分类。 我已经使用
构建Keras LSTM
| Month1 | Month2 | Month3 | Month4 | Month5 | Class |
|--------|---------|--------|--------|--------|-------|
| 124 | 565 | 84 | 54 | 84 | 1 |
| 324 | 45 | 849 | 2156 | 846 | 0 |
| 345 | 5 | 15 | 215 | 848 | 0 |
| 24 | 525 | 84 | 2185 | 5498 | 1 |
| 3 | 15 | 8 | 21 | 84 | 1 |
| 345 | 215 | 4 | 21 | 86 | 0 |
| 63 | 21 | 22 | 455 | 84 | 1 |
| 3435 | 512 | 8 | 45 | 456 | 0 |
，然后使用
| Age | UserType | CityA | CityB | CityC | Class |
|-----|----------|-------|-------|-------|-------|
| 32 | 0 | 1 | 0 | 0 | 1 |
| 32 | 1 | 0 | 1 | 0 | 0 |
| 34 | 0 | 0 | 0 | 1 | 0 |
| 56 | 1 | 0 | 1 | 0 | 1 |
| 54 | 1 | 1 | 0 | 0 | 1 |
| 32 | 1 | 0 | 0 | 1 | 0 |
| 25 | 0 | 0 | 0 | 1 | 1 |
| 23 | 0 | 1 | 0 | 0 | 0 |
（像这样的其他功能）。
两种模型分别训练和预测。
我想训练一个包含LSTM层和密集层的模型，但不知道如何实现。在这方面需要帮助