LSTM在预测和实际情况之间存在系统性的偏移

LSTM在预测和实际情况之间存在系统性的偏移

看起来您的模型过拟合，并且总是总是从最后一个时间步返回值作为预测。您的数据集可能太小，以至于无法使具有此数量参数的模型收敛。您将需要采用与过度拟合作斗争的技术：积极的辍学，添加更多数据或尝试使用更简单，较少参数化的方法。

在许多stackoverflow问题中，这种现象（LSTM返回输入的转换版本）一直是重复出现的主题。 那里的答案可能包含一些有用的信息：

Keras中的LSTM序列预测只是在输入中输出最后一步

LSTM模型只是在预测时间序列中重复过去

LSTM
NN产生“偏移”预测（低质量结果）

Keras网络产生逆预测

keras多层LSTM模型的股价预测收敛到一个恒定值

Keras LSTM预测时间序列被压缩和偏移

LSTM时间序列转移了对股票市场收盘价的预测

最后，请注意，根据数据集的性质，可能根本不会在数据中发现任何模式。在尝试使用LSTM预测股票市场的人们中，您会看到很多（关于stackoverflow如何预测彩票号码的问题）。