TensorFlow中使用predict()进行时间序列预测的序列对齐问题咨询

嘿各位，我最近在用TensorFlow搭建LSTM做时间序列预测的时候，遇到了一个关于预测结果和真实标签对齐的疑问，想请教下大家。

先给大家看看我用来生成序列数据的代码：

import numpy as np
import pandas as pd

def Sequential_Input_LSTM(df, input_sequence):
    df_np = df.to_numpy()
    X = []
    y = []
    
    for i in range(len(df_np) - input_sequence):
        row = [a for a in df_np[i:i + input_sequence]]
        X.append(row)
        label = df_np[i + input_sequence]
        y.append(label)
        
    return np.array(X), np.array(y)

# pandas DataFrame df_data 是我的原始数据集
X, y = Sequential_Input_LSTM(df_data , 10)

这个函数的逻辑是用滑动窗口生成输入序列和对应的标签：比如第一个X是原始数据里前10个时间步的值，对应的y就是第11个时间步的数据；然后窗口向右滑动1步，取下一段10个连续值作为下一个X，对应的y就是这段窗口之后的那个值，以此类推。

现在我从生成的X里划分出了X_test部分，用训练好的LSTM模型做预测：

predictions = model.predict(X_test)

我现在有点搞不清楚，模型输出的predictions里的每个预测值，对应的是y数组里的哪一个真实标签？ 或者说，我该怎么确保预测结果和真实的测试标签是严格对齐的？比如X_test里的第一个样本是原始数据中某一段10个连续值，那对应的预测值是不是应该对应y里的某个特定位置的标签？有没有可能我在划分测试集的时候搞错了对齐关系？

麻烦懂的朋友帮忙解答下，谢谢啦！

备注：内容来源于stack exchange，提问作者user27886601