我想修改下面的例子来预测一个基于 3 个浮点数而不是单词或字母的序列
我不希望模型像回归一样尝试进行计算，而是要根据频率学习模式，就好像它们是单词一样。您能否阐明适应以下示例的最佳方法是什么？我考虑过使用交叉列，首先对浮点数进行分箱，然后将 3 个值交叉以获得单个列，但老实说，我发现文档的特定部分非常混乱
model = Sequential()
model.add(Embedding(total_words, 100, input_length=max_sequence_len-1))
model.add(Bidirectional(LSTM(150)))
model.add(Dense(total_words, activation='softmax'))
adam = Adam(lr=0.01)
model.compile(loss='categorical_crossentropy', optimizer=adam, metrics=['accuracy'])
#earlystop = EarlyStopping(monitor='val_loss', min_delta=0, patience=5, verbose=0, mode='auto')
history = model.fit(xs, ys, epochs=100, verbose=1)
#print model.summary()
print(model)
参考：