如何用tf.data创建多变量时序数据集？

import tensorflow as tf
import numpy as np

x1 = np.random.randn(100, 10)  # 第一个变量的数据
x2 = np.random.randn(100, 10)  # 第二个变量的数据
x3 = np.random.randn(100, 10)  # 第三个变量的数据
y = np.random.randint(0, 2, (100,))  # 标签数据

dataset = tf.data.Dataset.from_tensor_slices((x1, x2, x3, y))

dataset = dataset.shuffle(1000)  # 随机打乱数据集
dataset = dataset.batch(32)  # 将数据集划分为批次，每个批次包含32个样本
dataset = dataset.map(preprocess_func)  # 对数据集应用预处理函数

def preprocess_func(x1, x2, x3, y):
    # 对输入特征进行标准化等预处理操作
    x1 = (x1 - np.mean(x1, axis=0)) / np.std(x1, axis=0)
    x2 = (x2 - np.mean(x2, axis=0)) / np.std(x2, axis=0)
    x3 = (x3 - np.mean(x3, axis=0)) / np.std(x3, axis=0)
    return x1, x2, x3, y

for batch in dataset:
    x1_batch, x2_batch, x3_batch, y_batch = batch
    # 在这里执行模型的训练或推理操作