我有一个非常小的数据集，只有大约 40 行，其中包含几个类别（大约 20 个）的历史使用数据。我强烈怀疑这些类别以部分零和博弈的方式依赖：如果一个类别的使用量上升，我预计另一个类别的使用量会下降。我的目标是预测所有类别的下一行。

我看过这篇文章，但它没有预测多个变量。我也看过这篇文章，但它仍然是单变量输出（尽管是多个时间步长）和多变量输入。到目前为止，我的方法一直基于 machinelearningmastery 上的典型 LSTM 帖子，但它也是一个单输出变量示例，并且使用的许多函数，例如scaler.inverse_transform似乎不能很好地广播。我什至很难缩小我的完整示例以匹配他的！

将 LSTM 扩展到多变量输出的任何提示？keras LSTM 可以原生地做到这一点吗？如果是这样，代码将如何更改？

谢谢你的时间！