如何解读Keras LSTM模型predict输出 属于分类还是回归预测？

模型的实际用途 #

该模型不是分类模型，是标准的回归预测模型，判断依据如下：

• 编译时使用的损失函数是mse（均方误差），属于回归任务的典型损失，分类任务通常使用交叉熵类损失
• 输出层是无激活函数的Dense(1)，输出为无界的连续数值，分类任务如果是二分类会加sigmoid激活输出0-1概率，多分类会加softmax激活输出类别概率
• 训练时传入的标签Y是连续值price_list，没有任何类别标签，所以模型的设计目标就是：输入时间、税率两个特征，预测对应的价格数值。

当前输出的含义 #

你调用model.predict(X)使用的输入还是训练模型时的同一批特征数据，正常情况下输出应该是这5条样本各自对应的价格预测值。现在出现全为相同负数的结果，是模型训练失败的表现，核心原因有两个：

• 特征未做归一化：time_list的数值范围是百万级，tax_list的数值范围仅为0-1，两个特征尺度差异过大，LSTM对输入尺度非常敏感，无法正常学习特征规律
• 训练轮次过少：仅设置了epochs=10，模型完全没有收敛，直接塌缩输出了一个固定常数值。

常见误解澄清 #

• 不是分类结果：分类任务需要配套类别标签、对应损失函数、输出层激活函数，你的代码配置完全不满足分类要求
• 不是未来价格预测：你没有做时间序列滑窗构造，不存在用历史数据预测未来时间步的逻辑，当前模型只是特征到价格的映射拟合，不具备时序预测能力。

内容的提问来源于stack exchange，提问作者tgmjack