LSTM股票预测性能计算及预测结果绘制问题咨询

问题根因 #

你遇到的维度不匹配问题核心是输出层维度设置错误，同时流程里还有另外几处会影响预测效果的错误，修正方案如下：

1. 输出层维度错误 #

你当前定义Dense层时用了Dense(X_train.shape[1])，而X_train的第二维是时间步长n_steps=10，所以模型会输出10个值，自然和shape为(998,1)的y_test不匹配。你做的是单步预测，只需要输出下1个时间步的收盘价，所以这里改成Dense(1)即可。

2. 测试集归一化逻辑错误 #

你对测试集调用了scaler.fit_transform(df_test)，相当于用测试集的分布重新训练了归一化器，这属于数据泄露，会导致评估结果虚高。正确做法是只在训练集上fit归一化器，测试集直接用训练好的scaler做transform：

# 修正后的归一化代码
from sklearn.preprocessing import MinMaxScaler    
scaler = MinMaxScaler(feature_range=(0, 1))
df_train_scaled = scaler.fit_transform(df_train)
df_test_scaled = scaler.transform(df_test) # 此处不要重新fit

3. 反归一化步骤变量名错误 #

你代码里写的predict_test=scaler.inverse_transform(forecast_test)，但前面生成的预测结果变量名是predict_test，没有forecast_test这个变量，直接运行会报变量未定义错误，替换为predict_test即可。

4. 可选优化：LSTM激活函数适配 #

默认的LSTM激活函数是tanh，比relu更适合时序任务，你可以去掉activation='relu'的参数设置，用默认值会获得更稳定的训练效果。

修正后的核心代码 #

模型结构部分 #

model = Sequential()
model.add(LSTM(50, return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(50, return_sequences=False))
model.add(Dense(1)) # 输出维度改为1
model.compile(optimizer='adam', loss='mse')

反归一化部分 #

y_test = scaler.inverse_transform(y_test)
predict_test = scaler.inverse_transform(predict_test) # 修正变量名

修正后predict_test的shape就会变成(998,1)，和y_test维度完全匹配，可以正常计算MSE、绘制对比曲线。

内容的提问来源于stack exchange，提问作者Lachlan Sweet