Добавление слоев LSTM в Keras вызывает ошибку ввода

Прежде всего, извиняюсь, если я ошибаюсь, я относительно новичок в TensorFlow.

Я разрабатываю модель для простой классификации набора данных, каждый столбец является атрибутом, а последний столбец - классом. Я разделяю их и создаю фрейм данных обычным способом.

Если я сгенерировал модель с плотными слоями, она отлично работает:

def baseline_model():
# create model
model = Sequential()
model.add(Dense(30, input_dim=len(dataframe.columns)-2, activation='sigmoid'))
model.add(Dense(20,activation='sigmoid'))   
model.add(Dense(unique, activation='softmax'))

# Compile model
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.summary()
return model

Если бы я добавил, скажем, к модели слой LSTM:

def baseline_model():
# create model
model = Sequential()
model.add(Dense(30, input_dim=len(dataframe.columns)-2, activation='sigmoid'))


#this bit here >
model.add(LSTM(20, return_sequences=True))
model.add(Dense(20,activation='sigmoid'))   
model.add(Dense(unique, activation='softmax'))

# Compile model
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.summary()
return model

Когда я выполняю код, я получаю следующую ошибку:

ValueError: Input 0 is incompatible with layer lstm_1: expected ndim=3, found ndim=2

Я не уверен, откуда берутся эти переменные, может быть, это классы? У меня есть три класса данных («ПОЛОЖИТЕЛЬНЫЕ», «ОТРИЦАТЕЛЬНЫЕ», «НЕЙТРАЛЬНЫЕ»), сопоставленные с наборами из более чем 2000 значений атрибутов - они представляют собой статистические извлечения данных мозговых волн ЭЭГ с временными окнами с нескольких электродов, классифицированных по эмоциональному состоянию.

Примечание: 'input_dim = len (dataframe.columns) -2' производит количество атрибутов (входов), я делаю это, так как я хочу, чтобы скрипт работал с наборами данных CSV разных размеров на лету

Кроме того, в моем вставленном коде нет вкладок, но он имеет отступ и будет компилироваться

Полный код вставлен сюда: https://pastebin.com/1aXp9uDA для презентационных целей. Заранее приносим свои извинения за ужасную практику! Это всего лишь начальный проект, я планирую очистить его позже!