Bagaimana cara merepresentasikan data untuk LSTM?

Saya memiliki data urutan yang memberi tahu saya warna apa yang diamati untuk beberapa subjek pada titik waktu berbeda. Misalnya:

Saya ingin mendapatkan prediksi warna yang paling mungkin untuk langkah 3 kali berikutnya, serta kemungkinan munculnya warna tersebut. Misalnya, untuk ID A, saya ingin mengetahui 3 item berikutnya (waktu, warna) dalam urutan serta kemungkinan munculnya warna tersebut.

Saya memahami bahwa LSTM sering digunakan untuk memprediksi jenis data sekuensial ini, dan saya akan memasukkan array 3d seperti

input =[ 
[[1,1], [2,2], [5,2]], #blue at t=1, red at t=2, red at t=5 for ID A
[[0,0], [3,1], [6,3]], #nothing for first entry, blue at t=3, green at t=6 for ID B
[[0,0], [1,2], [3,4]]
]
  

setelah memetakan warna ke angka (Biru-› 1, Merah-›2, Hijau-› 3, Oranye -› 4dst.). Pemahaman saya adalah, secara default, LSTM hanya memprediksi item berikutnya di setiap urutan, misalnya

output = [
[[7, 2]], #next item is most likely red at t=7
[[9, 3]], # next item is most likely red at t=9
[[6, 2]] 
]

Apakah mungkin untuk mengubah keluaran LSTM saya sehingga alih-alih hanya memprediksi waktu dan warna kemunculan berikutnya, saya bisa mendapatkan 3 kali, warna DAN probabilitas kemunculan warna berikutnya? Misalnya, keluaran seperti

output = [
[[7, 2, 0.93], [8,2, 0.79], [10,4, 0.67]], 
[[9, 2, 0.88], [11,3, 0.70], [14,3, 0.43]], 
...
]

Saya sudah mencoba mencari di dokumentasi Sequential untuk Keras, tetapi saya tidak yakin apakah saya menemukan sesuatu.

Selain itu, saya melihat ada TrainX dan TrainY yang biasanya digunakan untuk model.fit() tetapi saya juga tidak yakin TrainY saya apa yang ada di sini?