并且我也不明白代码中make dataset函数里的这个部分。

data = np.array(data, dtype=np.float32)
    ds = tf.keras.preprocessing.timeseries_dataset_from_array(
        data=data,
        targets=None,
        sequence_length=self.total_window_size,
        sequence_stride=sequence_stride,
        shuffle=shuffle,
        batch_size=batch_size, )

如果我们必须在将数据输入到特征工程层之前保留来自数据框的数据类型，我们应该怎么做？

1. 下面的函数中似乎也存在一些错误。为什么我们需要将Shuffle设置为TRUE?我认为时间序列是顺序的吗？

def make_dataset(self, data):
  data = np.array(data, dtype=np.float32)
  ds = tf.keras.preprocessing.timeseries_dataset_from_array(
      data=data,
      targets=None,
      sequence_length=self.total_window_size,
      sequence_stride=1,
      shuffle=True,
      batch_size=32,)
  ds = ds.map(self.split_window)
  return ds

2. 此外，如何进行验证？我们是否也需要滑动窗口来验证数据？
3. 对于LSTM,我们真的需要滑动窗口吗？这似乎会导致很多例子过拟合。
4. 如果某些输入字段具有分类数据(而不是输出),那么这种方法可能不会表现得更好，尤其是当我们使用嵌入层时。
5. 使用timeseries_dataset_from_array函数时，很难添加任何嵌入层。
6. 时间序列涉及大量数据，不幸的是，使用BatchNormalization会让人感到困惑，这要归咎于文档。
7. 如何在第一个输入中使用3DTensor进行特征工程层？

你好，
感谢你打开这个问题。由于这个问题已经开放了很长时间，这个问题的代码/调试信息可能与当前代码库的状态不相关。
Tensorflow团队正在不断通过修复错误和添加新功能来改进框架。我们建议你尝试使用最新的TensorFlow version 和最新的兼容硬件配置，这可能会解决该问题。如果你仍然遇到问题，请创建一个新的GitHub问题，附上你的最新发现以及所有有助于我们调查的调试信息。
请按照 release notes 了解Tensorflow空间中最新发展的动态。