Python LSTM keras封装非相干输出

我模仿了这段代码，使用LSTM来预测时间序列行为。我使用了

R

，所以我只是翻译了内容，并使用R

keras

包将其改编为我的数据集

好了，我有

train_input

是8到21之间的随机数向量，比如[9,10,19,17，…]

train_output

是一步移动的

train_input

向量：[10,19,17，…]

model <- keras_model_sequential()
model %>% layer_lstm(model,4,input_shape=c(1,1)%>% layer_dense(1)
model %>%compile(loss="mean_squared_error",optimizer="adam")
model %>% fit(train_input,train_output)
model %>% predict(test)

---

现在，当我对一个测试向量运行

mod%>%predict（test）

时，我得到了

0

和

1

之间的非相干数字，就好像概率已经计算出来了一样。有人有解释吗？

你应该有一个额外的密集层作为网络的输出，而不是

LSTM

，并尝试使用激活功能

'linear'

@djk47463抱歉，我在写这篇文章时有一个打字错误，我确实有这个

密集层（1）

。这就是你的意思吗？是的，你能补充一下吗it@djk47463我就是这么做的，但它什么也没改变。你把输入数据规范化了吗？

train_input <- array(train_input,dim=c(length(train_input),1,1))