python - Keras - 时间序列的 LSTM 怎么能如此准确？

Question

所以我开始测试 LSTM 的时间序列预测，我发现了一些不同的笔记本可以用于我自己的数据（这里是一个例子）

它们的共同点是，它们预测未来的一个时间步长，并且在匹配测试数据方面做得非常好。我尝试在其中强制一个异常值，并且预测几乎完全匹配它：

这里发生了什么？模型无法从数据的模式中学习到这一点，因为它是一个组成点，但假设通过查看之前的时间步骤，该模型会“知道”接下来会出现异常值吗？我一定遗漏了一些东西，因为它可以预测带有异常值的数据以及没有异常值的数据......

标签： pythontensorflowkerastime-serieslstm