基于时间序列预测的 LSTM-RNN 模型的高精度答案

【问题标题】：High accuracy on LSTM-RNN model implemented on time-series forecasting基于时间序列预测的 LSTM-RNN 模型的高精度
【发布时间】：2022-01-20 16:01:49
【问题描述】：

我是 LSTM-RNN 的新手。我已经用 .csv 文件测试了许多 RNN-LSTM python 代码，用于时间序列。他们都没有这个人在这里的准确性：https://machinelearningmastery.com/time-series-prediction-lstm-recurrent-neural-networks-python-keras/。仅用 4 个 LSTM 单元，他如何做到这一点？

model.add(LSTM(4, input_shape=(1, look_back)))

我在这里遗漏了什么吗？代码有问题吗？我指的是他的第一个示例代码：“LSTM Network for Regression”

【问题讨论】：

【解决方案1】：

我记得几年前的这篇文章（它来自 2016 年）。不要对此抱太大期望。这只是一个玩具数据的教程。

作者后来半信半疑地承认数据太小，有偏差，模型严重过度拟合，这很容易从图中发现，预测和基本事实只是彼此滞后。这总是一个不好的迹象。

如果您搜索“bias”、“lookahead”或“overfit”，您可以从 cmets 获得。

【讨论】：

那么，如果我知道预测结果正在接近看不见的数据集，在 y 轴上移动了一点，但它们的形状完全相同，这是否是过度拟合的迹象？
是的，它看起来像一个“幽灵/回声”。也专门针对时间序列，注意不要无意中窥视“未来”。在这里查看一些解释，例如：medium.com/@soumyachess1496/…
这个人（我指的是我发布的链接）绘制了真实数据集 + 对训练数据的预测 + 对看不见的数据的预测。如果真实数据集被训练数据和未见过数据的预测“覆盖”，并且我没有看到任何偏移的回声，那么这是一个可靠的模型吗？
数据集只有 144 个观察值：raw.githubusercontent.com/jbrownlee/Datasets/master/… 所以，真的很容易过拟合。