python - LSTM 模型不会预测高于特定值的值(始终不相同的值)

Question

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的家庭用电量。使用此数据集:

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 连续 30 分钟，每分钟 8 个特征，网络应输出 t30 房屋电力消耗。因此我的每个样本输入都是 [30x8] 的形状，输出应该是 [1x1]。到目前为止，还不错。

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，这是一个非常简单的多对一模型。我已经对模型进行了 25 个时期的训练，由于某种原因，模型似乎没有预测高于 5-5.5 的值，正如您在此图中看到的那样:

3) 我试过:

• 以不同方式标准化数据(最小最大值或平均标准差)
• 规范化所有数据，但我保留了原始值的功耗列。以上均无帮助。

有什么建议吗？

Answer 1

解决方案:

我将 LSTM 层的属性“激活”更改为“无”。这样，值就不会被默认的“tanh”函数“破坏”。