多元时间序列预测

Question

假设我有200个时间序列数据样本。输入有三个特点，我想预测一个提前一步的时间。假设我的系列如下：前三行：

1 2 3
4 5 6
7 8 9

现在我将问题转化为一步预测的监督学习问题：

Input        Output
1 2 3        4 5 6
4 5 6        7 8 9

现在我要预测输出中所有三个特性的值，而不是其中一个。 现在我想知道输入到Keras的维度应该是什么？: 我认为应该是(100,1,3)，其中100可以被批量大小替换。有人能证实这一点吗。主要的问题是我应该在lstm配置中做些什么来理解我需要输出的多变量设置，比如我应该用dense(3)来指定我需要3个输出。如果有人能帮忙，我将不胜感激。你知道吗