我在某些数据上使用Keras。以下是详细信息： 8,000 个客户，每个客户都有不同的时间步长，范围从 2 到 41。所以我使用零填充来确保所有客户都有 41 个时间步长。所有 8,000 个客户都有 2 个特征，数据带有多类标签，0-4。每个提米步骤都有一个标签。
训练模型后，在流程的测试部分，我想输入时间步长 1-40 的特征和标签，然后让它预测第 41 个时间步的标签。有谁知道这是否可能？我发现 Keras 在解释它实际预测的内容时有点像一个黑匣子(例如，当它给出准确性分数时，这是什么准确性？它试图预测什么：最后一个 tilmestep 标签还是所有 tilmestep 标签？
在顺序 Keras LSTM 模型中是否应该使用模型的特定细分？我读过"多对一模型(f(...((在接收多个输入值(X(t(，X(t+1(，...(后产生一个输出(y(t((值。'(布朗利 2017 年(。但是，除了我想要预测的最后一个时间步长之外，我的输入在所有时间步长都是Xt和Yt这一事实似乎并没有提供便利。我不确定如何设置我的代码来指示模型预测最后一个时间步长(我有数据，但随后我想将预测的类别与实际类别进行比较(。
要预测每个要素的下一个时间步长，您需要希望最终Dense图层的宽度与要素数相同：
model.add(Dense(n_features))
在多并联串联https://machinelearningmastery.com/how-to-develop-lstm-models-for-time-series-forecasting/下有一个类似问题的很好的例子
accuracy只是衡量模型有效性的指标。为了准确起见，它correct_predictions / total_predictions
https://keras.io/metrics/