我是 RNN 的初学者。
我目前的兴趣是使用LSTM来实现时间序列分类。我见过许多例子，例如MNIST classification。
但是，我尝试实施LSTM（使用 Tensorflow框架）来建模温度趋势预测的二进制分类（即向上或向下）。
以下是我的实验设置的一些细节。
数据集：
数据集（墨尔本的每日最低温度）是从here获得的，有3650次观测。我将数据分成长度为10的窗口;因此，这将产生3640个实例。并且它们的相应标签是表示窗口最后一个值的下一个值的趋势的单热矢量，即分别在增加或减少的情况下为[1,0]或[0,1]。
例如，数据集包含
1984/7/30,10
1984/7/31,10.6
1984/8/1,11.5
1984/8/2,10.2
1984/8/3,11.1
1984/8/4,11
1984/8/5,8.9
1984/8/6,9.9
1984/8/7,11.7
1984/8/8,11.6
1984/8/9,9
1984/8/10,6.3
1984/8/11,8.7
1984/8/12,8.5
1984/8/13,8.5
1984/8/14,8
1984/8/15,6
...
两个可能的培训窗口是
(1) [10, 10.6, 11.5, 10.2, 11.1, 11, 8.9, 9.9, 11.7, 11.6] and label: [0, 1],
(2) [10.6, 11.5, 10.2, 11.1, 11, 8.9, 9.9, 11.7, 11.6, 9] and label: [0, 1],
(3) ...
问题：我的问题是模型产生的输出精确度在49-50％左右。 所以我的问题是“构建具有上述结构的二元分类模型是否有意义？”。
感谢任何帮助。 感谢。