我是stackoverflow和python的新手，所以如果我错了，请纠正我。我尝试通过顺序LSTM预测回归任务。 我尝试了层，激活，功能等的不同变化。损失总是很小，但是我的问题是其他问题。我训练的数据范围在（0.1-0.2）之间，而不是测试数据范围在（0.1-0.9）之间。由于我使用不同的值进行训练，因此预测范围很好，但是预测输出看起来像测试数据除以一个因子，并且具有相同的峰和形状。我使用的最简单的模型如下：
from keras.models import Sequential
from keras.layers import LSTM
model = Sequential()
model.add(LSTM(16,return_sequences=True,input_shape=(None,1))
model.add(LSTM(1,activation='sigmoid', return_sequences=True))
model.compile(loss='mae', optimizer='adam', metrics=['mae','mse'])
history=model.fit(train,train, epochs=10, batch_size=batch_size, shuffle=False)
我的测试数据是这个
我的预测输出是这样的： predicted
我的问题在哪里？
