我正在玩keras + TF。我有一个由a组成的模型 4个LSTM层+ 2个密集层。
我有3个特征是3个sin序列和一个目标，它是3个sin序列的乘法。
LSTM图层配置了30个积压时间步骤。
我训练RNN有80％的功能，而不是我要求它预测 学到的数据（总数据的80％）我得到了很好的预测。
接下来，我继续将最后20％的数据分成10个子部分 循环预测（part_x [0]），拟合（part_y [0]），预测（part_x [1]），拟合（part_y [1]）......但预测质量急剧下降。
期望预测（x [i]）/ fit（x [i]，y [i]）循环应该为每个x [i + 1]块产生一个合适的结果是正确的吗？
还有一个问题：是否可以训练具有4种功能的RNN并使用3种功能进行预测？如果是，我怎样才能“盲目”预测阶段的不可用功能？
TIA 罗伯托C.