为什么LSTM预测的数据结果形状几乎一致

Question

为什么我这个lstm模型预测出来的结果形状都几乎是一致的呢，训练的时候损失越来越小，结果的数值也会改变，但是形状却几乎一样

红色的那条线段是结果，实在想不明白为什么了，模型也修改过很多次了

Answer 1

【相关推荐】

• 帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/7664602
• 这篇博客你也可以参考下：【机器学习】面试题：LSTM长短期记忆网络的理解？LSTM是怎么解决梯度消失的问题的？还有哪些其它的解决梯度消失或梯度爆炸的方法？
• 您还可以看一下 沈福利老师的自然语言处理实战 深度学习之LSTM情感分析课程中的 文本情感分析 模型训练方法和验证方法定义小节, 巩固相关知识点
  
• 除此之外, 这篇博客: LSTM中的归一化与反归一化问题、预测未来值问题中的 验证模型并对预测值进行反归一化，并查看预测情况 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

  其实对预测值反归一化需要注意一个问题，那就是预测值的形状shape要和归一化前的数据形状相同，在多特征中也是如此，后面将会进行介绍。

  #模型验证,在测试集中进行验证
  test_pred = model.predict(X_test, verbose =1)
  
  #对得到的预测值和真实值进行反归一化
  original_test_pred=scaler.inverse_transform(test_pred)
  original_y_test=scaler.inverse_transform(y_test)
  
  计算各种评价参数其中包括MSE,RMSE,MAE,MAPE,r2
  from sklearn import metrics
   
  # MAPE需要自己实现
  def mape(y_true, y_pred):
      return np.mean(np.abs((original_y_test-original_test_pred) / original_y_test))
   
  y_true = np.array(original_y_test)
  y_pred = np.array(original_test_pred)
   
  print('MSE:',metrics.mean_squared_error(original_y_test,original_test_pred))
   
  print('RMSE:',np.sqrt(metrics.mean_squared_error(original_y_test,original_test_pred)))
   
  print('MAE:',metrics.mean_absolute_error(original_y_test,original_test_pred))
   
  print('MAPE:',mape(original_y_test,original_test_pred))
  
  score = r2_score(original_y_test,original_test_pred)
  print("r^2的值：",score)
  

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^