Python 为什么我'；当我使用model.predict时，我在keras中得到了所有的1？

我试图在keras包中使用LSTM。我将所有的训练和测试数据标准化为0到1之间的刻度。我将阵列重塑为3D阵列。但当我运行查看结果时，我得到的是1的数组，而不是1到0之间的缩放值

这是我的密码：

Input = pd.read_csv('Input.csv')

for i in range(0, len(Input['Gold Price'])):
   Input['Gold Price'][i] = float(Input['Gold Price'][i].replace(',',''))
   Input['DJIA'][i] = float(Input['DJIA'][i].replace(',',''))

x_train = Input[['DJIA', 'Silver Price', 'Copper Price', 'US Dollar Index', 
'VIX']]
y_train = Input[['Gold Price']]

scaler = MinMaxScaler(feature_range=(0, 0.95))
scaler_x = scaler.fit(x_train)
scaler_y = scaler.fit(y_train)
x_scaled = scaler_x.transform(x_train)
y_scaled = scaler_y.transform(y_train)

x_scaled = np.reshape(x_scaled, (x_scaled.shape[0], 1, x_scaled.shape[1]))

model = Sequential()

model.add(LSTM(5, activation='relu', input_dim=5))
model.add(Dense(units=1, activation='softmax'))

model.compile(loss='mae',
          optimizer='adam',
          metrics=['accuracy'])

model.fit(x_scaled, y_scaled, epochs=5, batch_size=32)

Test = pd.read_csv('Test Prices Daily.csv')

for i in range(0, len(Test['DJIA'])):
    Test['DJIA'][i] = float(Test['DJIA'][i].replace(',',''))

x_test = Test[['DJIA', 'Silver Price', 'Copper Price', 'US Dollar Index', 
'VIX']]

scaler_x = scaler.fit(x_test)
x_scaled_test = scaler_x.transform(x_test)

x_scaled_test = np.reshape(x_scaled_test, (x_scaled_test.shape[0], 1, 
x_scaled_test.shape[1]))
prediction = model.predict(x_scaled_test, batch_size=128)

这是一条令人不快的路线。激活应该是乙状结肠

原因是softmax由

softmax（x）_i=e^x_i/sum_i e^x_i

使输出向量正常化，使分量和为1（即，将其映射到单纯形）。如果组件输出为1，则它必须始终为1

我也有点惊讶地看到：

loss='mae'

---

并且认为二进制交叉熵是一个更好的选择，因为你的回答在0和1之间。我想这取决于将输出变量解释为函数近似值或概率，这是我所不知道的。

也许只要删除这一行就行了。

scaler\u x=scaler.fit（x\u测试）

谢谢你的工作。但是，现在我所有的输出都是一样的。不管怎样，要解决这个问题吗？

loss='mae'