LSTM滑动窗口，结果预测

为什么这个测试数据，发一条数据进去，会测试出5个结果？模型是用过去5秒的数据来预测他们的位置，特征是4个。所以预测数据结构是（1，5，4），但是预测结果有5个，是为什么呢？

每一秒的数据当成一个样本（共5秒），样本特征维度是4，那这个样本矩阵不就是5x4，那输出自然是5x预测结果吧

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/748529
• 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：使用LSTM生成序列、自动问答使用?分割即可！
• 除此之外, 这篇博客: LSTM中的归一化与反归一化问题、预测未来值问题中的 验证模型并对预测值进行反归一化，并查看预测情况 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 其实对预测值反归一化需要注意一个问题，那就是预测值的形状shape要和归一化前的数据形状相同，在多特征中也是如此，后面将会进行介绍。

  #模型验证,在测试集中进行验证
  test_pred = model.predict(X_test, verbose =1)
  
  #对得到的预测值和真实值进行反归一化
  original_test_pred=scaler.inverse_transform(test_pred)
  original_y_test=scaler.inverse_transform(y_test)
  
  计算各种评价参数其中包括MSE,RMSE,MAE,MAPE,r2
  from sklearn import metrics
   
  # MAPE需要自己实现
  def mape(y_true, y_pred):
      return np.mean(np.abs((original_y_test-original_test_pred) / original_y_test))
   
  y_true = np.array(original_y_test)
  y_pred = np.array(original_test_pred)
   
  print('MSE:',metrics.mean_squared_error(original_y_test,original_test_pred))
   
  print('RMSE:',np.sqrt(metrics.mean_squared_error(original_y_test,original_test_pred)))
   
  print('MAE:',metrics.mean_absolute_error(original_y_test,original_test_pred))
   
  print('MAPE:',mape(original_y_test,original_test_pred))
  
  score = r2_score(original_y_test,original_test_pred)
  print("r^2的值：",score)