我正在努力理解如何为数据建模。 我的数据是顾客的购物习惯。 每行代表一次购买，并具有：客户ID，时间戳，产品类型，价格（这4列是X数组）。 每行还具有一个分类（Y向量）。 由于每个客户都进行了多次购买，因此1个客户ID将有多行，且每行都有不同的时间戳。 因此，每个客户ID都有自己的迷你时间序列（每个客户都有自己的序列，在多行中表示，每行表示购买）。 我想预测下一个分类，即每个客户下一个步骤的Y值。
我在网上看到了很多示例，尤其是在这里：https://machinelearningmastery.com/how-to-develop-lstm-models-for-time-series-forecasting/，但没有一个代表我的问题：使用LSTM预测多个序列。他们似乎都只预测一个序列的下一步。有谁知道我该怎么做？
我正在使用Keras，我曾考虑只对一个序列进行建模，然后将其循环以遍历每个客户ID（这样它将分别记录每个客户的序列），但是我认为这是错误的，因为它需要从所有序列中学习。
在线信息的缺乏使我感到困惑，因为我觉得我在描述一个必须出现的现实情况。