LSTM 模型不会预测高于某个值的值（始终不是相同的值）答案

【问题标题】：LSTM model doesn't predict values higher than certain value (not same value all the time)LSTM 模型不会预测高于某个值的值（始终不是相同的值）
【发布时间】：2019-05-10 19:28:52
【问题描述】：

首先感谢您的帮助！

我想创建一个简单的 LSTM 模型来预测下一分钟家庭用电量的值。使用这个数据集：

https://archive.ics.uci.edu/ml/datasets/individual+household+electric+power+consumption

到目前为止我所做的是：

1) 规范化数据并创建一个“窗口”，使我的 LSTM 网络看起来像这样：

从 t0-t29 的 30 分钟系列，每分钟 8 个特征，网络应输出 t30 房屋用电量。因此，我的每个样本输入的形状为 [30x8]，输出应为 [1x1]。到目前为止，一切顺利。

2) 我构建了一个简单的 LSTM 模型，如下所示：

model4 = Sequential()
model4.add(LSTM(1,input_shape=(30, 8)))
model4.add(Dense(1))
model4.compile(loss='mean_squared_error', optimizer='adam')

如您所见，一个非常简单的多对一模型。我已经对模型进行了 25 个 epoch 的训练，出于某种原因，该模型似乎无法预测高于 5-5.5 的值，如下图所示：

3) 我尝试过：

以不同方式对数据进行归一化（最小最大或平均标准）
标准化所有数据，但我保留原始值的功耗列。以上都没有帮助。

有什么建议吗？

【问题讨论】：

标签： python keras time-series lstm rnn

【解决方案1】：

解决方案：

我将 LSTM 层的属性“激活”更改为无。这样，默认的“tanh”函数不会“粉碎”这些值。

【讨论】：