因此，我有一系列回报，可以说有1000次观察。在每个时间步长中，我还具有10个功能ID，希望将其训练为上述收益的预测指标。所以我的总数据集形状如下： （1000，11），即（1000个观察，每个具有1个收盘价和10个功能。）
我的挑战是我需要将其转换为以下格式以训练任何形式的递归NN： （样本，时间步长，特征），其中每个样本都是原始1000个观测值的一部分。
按照我的示例，如果我们从1000个观测值中抽取5个样本，我们将得到训练模型所需的（5，200，11）形状。 5个样本，每个200磅，具有11个对应功能。
从（1000，11）到（5，200，11）的最终乘积是dtype np.array的最简单方法是什么？
