LSTM模型不会预测高于特定值的值（始终不是同一值）

Question

首先感谢您的帮助！

我想创建一个简单的LSTM模型，该模型可以预测下一分钟家庭用电量的值。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）标准化数据并创建一个“窗口”，使我的LSTM网络如下所示：

从t0-t29开始的30分钟系列，每分钟具有8个功能，并且网络应输出t30房屋的电能消耗。 因此，我的每个样本输入的形状均为[30x8]，输出应为[1x1]。到目前为止，一切都很好。

2）我建立了一个简单的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，非常简单的多对一模型。我已经对该模型进行了25个时期的训练，由于某种原因，该模型似乎无法预测高于5-5.5的值，如您在此图中看到的：

3）我尝试过：

• 以不同的方式对数据进行标准化（最小最大或平均标准差）
• 对所有数据进行归一化，但功耗列与原始值保持一致。 以上均无济于事。

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，默认的“ tanh”功能不会“破坏”这些值。