Keras LSTM多变量预测模型：预测时如何指定目标列索引？

tf.keras.Model.predict() 本身不负责指定预测目标列，你得到什么预测结果，完全是模型训练前构造标签、定义输出层时就确定的，和predict方法的参数配置没有关系。
那个多变量LSTM教程默认输出pollution列预测值的原因非常直接：

• 构造监督训练数据集的阶段，代码通过滑窗生成每个样本的输入X和标签y时，X取的是过去固定时间步的所有列特征，y仅保留了未来时间步的pollution列数值，其余列的未来值都被直接从标签集中丢弃了，模型训练时从来没有学习过拟合其他列的数值。
• 定义模型结构的阶段，最后一层全连接层设置为Dense(1)，输出维度为1，和单目标（pollution列）的标签维度完全对应，模型训练全程都是在优化权重，让这个单输出值尽可能贴近真实的pollution标签值，训练完成后predict自然只会返回pollution列的预测结果。

不需要特意把待预测列调整到CSV固定位置，按下面两个场景改对应代码即可：

• 场景1：仅需要预测单列（替换原pollution的预测目标）
  1. 修改监督数据集构造逻辑：滑窗生成标签y时，不再固定取pollution列的未来值，而是定位到你需要预测的目标列对应的列索引，仅保留该列的未来时间步数值作为标签，其余列的未来值全部从标签集中移除即可。输入X可以保留所有列的历史时间步值作为特征，不需要额外调整列顺序。
  2. 模型输出层不需要改动，保留Dense(1)的单输出设置即可，训练完成后predict返回的单个数组，就是你指定的目标列的预测结果。
• 场景2：需要同时预测多列
  1. 修改监督数据集构造逻辑：滑窗生成标签y时，保留所有你需要预测的列的未来时间步数值，丢弃不需要预测的列的未来值。
  2. 修改模型最后一层全连接层的输出维度，输出神经元数量和你要预测的列数保持一致，比如要同时预测3列就设置为Dense(3)。训练完成后predict返回的数组，会按你在y中放置列的顺序，依次返回对应列的预测结果。

踩坑提示：不要混淆输入特征和预测目标的边界。输入X包含哪些列，是提供给模型做判断的参考信息；标签y包含哪些列，才是模型需要学习输出的内容，二者和列在原始CSV中的存储顺序没有强制绑定关系，教程里把pollution放在第二列只是作者写代码时取索引方便而已。

内容的提问来源于stack exchange，提问作者brandr2