我遇到了时间序列分类问题，其中使用了2000个数据点的数据集。每个数据点都有4个时间序列，长度为25个长度。
我正在此数据集上使用以下LSTM模型。
model = Sequential()
model.add(LSTM(10, input_shape=(25,4)))
model.add(Dense(32))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
以上模型给了我非常糟糕的结果（接近0.3）。这确实令人不快，现在我正在寻找改善结果的方法。
我认为问题出在我在每一层中使用的节点数（即分别为10和32）。我的问题是，有没有一种方法可以确定每一层中需要多少个节点？而且，拥有一层LSTM和一层Dense足够了吗？您认为我可以改善这些层次吗？
很高兴在需要时提供更多详细信息。