我对如何使用 lstm格式化我的模型以进行可变时间间隔事件分类有点困惑。
我试图在时间维度上对事件进行分类。事件以不同的间隔发生（例如，Event1 和 Event2 的间隔为 3 秒，Event2 和 Event3 的间隔为 1.68 秒）。每个事件都有相同数量的特征来描述其特征。
令人困惑的是，这些事件之间的间隔对于分类问题也很关键。例如：
1) 如果 Event1 和 Event2 都具有特征 x = 0，并且间隔小于 1 秒，则这一系列事件将被归类为 1 类；
2) 如果 Event1、Event2 和 Event3 都具有特征 x = 1，并且间隔时间大于 2 秒，则这一系列事件将被归类为 2 类。
我搜索了很多与 rnn 时间序列问题相关的问题，并没有发现任何有用的信息。所以有人对格式化我的数据和模型来处理这个问题有很好的建议吗？