我有很多不同长度的时间序列。我想知道将它们拟合到双向 LSTM 模型的最佳实践是什么。问题是序列到序列的二进制分类。所以对于每个时间步，我想预测二进制类。

目前，我为每个数据框创建一个张量，形状为(1, None, #Features). 然后我将每个张量分别拟合到模型中。

将每个数据帧组合到形状的张量(#Time Series, None, #Features)并一次拟合它们会更好吗？这有什么不同吗？

还是采用滑动窗口方法并将一个时间序列拆分为较小的窗口会更好？

我无法指定时间序列的最大长度，所以我认为我不能pad-sequence从 Keras 使用。