我有一个非常简单的 LSTM 模型

model = Sequential()
model.add(LSTM(64, input_shape=(seq_length, X_train.shape[2]) , return_sequences=True))
model.add(Dense(y_cat_train.shape[2], activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(X_train, y_cat_train, epochs=100, batch_size=10, verbose=2)

输入X_train有 2 个特征，一个是分类的（值 1-4），另一个是数字的（值 1-100）。我用 keras 对4 个类进行y_test了一次热编码to_categorical。

1. 我也应该对分类输入特征进行编码吗？如果我这样做，我怎样才能将它与其他功能一起传递？（例如，现在时间步长如下所示[1,44]：）
2. 稍后，我想进行采样，这意味着我需要将预测y_hat<t-1>结果作为x<t>. 我将不得不同时传递第二个数字特征（1-100）。如何做呢 ？

编辑：请注意，我不希望我的数字特征变得分类，因为值很重要（意味着 2<10<90 等）