张量流 LSTM 模型.预测

Question

我正在创建一个时间序列 LSTM 神经网络，并有一个关于我应该如何做 model.predict() 的问题

以下是我的预测函数：

def predict_ret(self, x, y):
    test_x = x
    predicted_data = []
    for i in test_x:
        prediction = (self.model.predict(np.reshape(i, (1, 1, self.input_shape))))
        predicted_data.append(np.reshape(prediction, (1,)))
    return pd.DataFrame(predicted_data)

我的困惑是，我用 72 的批量大小训练模型，当我进行回测时，我只是将整个测试部分作为 test_x 传递到上述函数中。我得到了令人满意的结果，但是一旦我开始实施它，一次预测一个步骤，或者预测步骤数，因为我的训练批量大小 (72) 表现不佳。我试图确定为什么会这样。该模型 100% 以前从未见过测试数据。我正在通过整个测试集（大约 20,000 点）而不是在实施时仅通过 1 个测试集，这有什么问题吗？如果这似乎不是问题，我可以寻找其他原因。任何帮助将不胜感激！