Keras LSTM回归仅给出两种值：{0,1}

Question

我正在使用LSTM构建预测模型。我的输入数组有136个二进制元素。

inputArray_day1 = [0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 1, 1, 0, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]

输出为单个浮点值。 （实际的输出标签范围是[0,9]，但我用Z〜N（0,1）对其进行了归一化，

kp_mean = np.mean(y_train)
kp_std = np.std(y_train)
y_train = (y_train - kp_mean)/kp_std

我有1900个训练集，并且在不会导致here过度拟合的隐藏神经元数量的上限上，我决定隐藏神经元的数量为2。

 N_hidden = N_samples/(alpha * (N_input+N_output)) = 1900/(5*(136+1)) = 2.8

我的模特是

opt = tf.keras.optimizers.Adam(lr=0.00005)
model = tf.keras.Sequential()
model.add(tf.keras.layers.LSTM(2,batch_input_shape=(1,1,136),stateful=True))
model.add(tf.keras.layers.Dense(1))
model.compile(loss='mse', optimizer=opt)
model.fit((x_train,y_train,epochs=1,batch_size=1,verbose=1,callbacks=[custom_hist], validation_data = (Xv,Yv))

首先，当学习率为1时，模型的输出仅显示单个值：0或1。用0.00005对其进行更改后，输出将显示混合{0,1}，如下所示。 （忽略剧情的标题）

我不知道为什么这个模型只显示{0,1}而没有其他浮点值。请帮帮我。欢迎任何评论！