将 [样本、时间步长、特征] 转换为 2D 输入形状

问：

我为 LSTM 准备了一个 3D 输入序列，例如（样本、时间步长、特征）或 （100,20,5）。我想将 LSTM 结果与 XGBoost 进行比较，后者只能接受 2D 输入。 令人困惑的是，我是否应该将 3D 数组重塑为：

1. （100， 20*5），y 标签形状没有变化。
2. （100*20， 5），使用 np.repeat（y，20） 更改 y 标签形状，如下所示

哪一种是表示 XGBoost 训练输入形状的正确方法？

目前，我已经尝试了步骤 1，通过使用功能扁平化时间步长。但我不能 100% 确定这是否是正确的方法，我们是否应该将每个样本的 XGBoost 训练数据集独立地视为第 2 步。