Machine learning 预测值不变

我正在使用神经网络和Keras
为了解释我的问题：

创建模型：

model = Sequential()
model.add(LSTM(
         input_shape=(sequence_length, nb_features),
         units=100,
         return_sequences=True))
model.add(Dropout(0.1))
model.add(LSTM(
          units=50,
          return_sequences=False))
model.add(Dropout(0.1))
model.add(Dense(units=1))
model.add(Activation("linear"))
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['mae', r2_keras])

拟合函数：

history = model.fit(seq, label_array, epochs=epochs, batch_size=batch_size, validation_split=0.2, verbose=2,
          callbacks = [#keras.callbacks.EarlyStopping(monitor='val_loss', min_delta=0, patience=10, verbose=0, mode='min'),
                       keras.callbacks.ModelCheckpoint(model_path, monitor='val_loss', save_best_only=True, mode='min', verbose=0)]
          )

我知道很难说准确的误差在哪里，但也许有一个简单的方法可以解释为什么预测值总是相同的

---

PS输入数据！首先我使用

pd.DataFrame（minmax\u scaler.fit\u transform（array\ux））

，然后

生成序列（array\ux）

，最后是

估计器.预测（np.array（array\ux））

您能否详细说明如何转换输入数据？这可能就是我的出发点。@ChrisFarr刚刚把它添加到帖子中