我试图使用Keras的TimeSeriesGenerator函数。如Keras' document中所述，我的数据和目标长度相等。我将长度输入定义为200。
使用 fit_generator 和 predict_generator ，我拟合了数据并预测了结果。问题从这里开始。当我尝试使用预测值和实际数据计算 MAE 时， scikit 的 mae 函数给我输入长度的错误。
预测数据比 y_test数据少回溯量。 （即len(predicted_values) = 1000, len(y_test) = 1200）。
因此，我无法计算平均绝对误差。有没有办法改变Keras处理这种情况的方式？我认为，该算法只会忽略前200行。
（数据由MinMaxScaler缩放。因此，我必须对数据进行逆变换才能计算实际的MAE值，而不是缩放后的版本。这就是为什么我不对MAE使用evaulate_generator的原因）