在一个连续的时间序列上训练变长输入LSTM

Question

我正在尝试为多元时间序列预测制作LSTM-现在，我通过这样做来创建模型

model = Sequential()
model.add(LSTM(50, input_shape=(None, n_features)))
model.add(Dense(10, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='rmsprop', metrics=['accuracy'])

这可以创建一个模型，该模型可以在输入可变长度的情况下进行单步预测，但是我该如何训练呢？

我唯一的训练数据是形状为(samples, n_features)的单个时间序列，其中所有样本都是连续的。

我计划将其用作自回归模型，以预测未来的多个步骤。