Что и где надо исправить, чтобы прогноз получился более менее правдоподобным?

Question

[VSLK]

Добрый день. Прочитал интересную статью
https://habr.com/ru/post/495884/
Решил использовать нейронную сеть из этой статьи для своего случая. В моём случае DataFrame примерно как в статье на 420 тыс. данных, в качестве индекса выступает дата. Таймфрейм - 5 минут = 300 секунд = 300 000 миллисекунд.
Значения данных варьируются в пределах 6500-10500. Я пытаюсь спрогнозировать данные на 3 часа, т.е. 36 значений.
Я чуть подправил модель из статьи для своего случая:

future_target = 36
STEP = 1

dataset = features.values
#data_mean = dataset[:TRAIN_SPLIT].mean(axis=0)
#data_std = dataset[:TRAIN_SPLIT].std(axis=0)
#dataset = (dataset-data_mean)/data_std

До тех пор, пока я не закомментировал то, что закомментировано, то у меня предсказания варьировались в пределах 1-1.2.
В итоге у меня получается вот такая "красота" с эпохами и потерями:

А вот такие результаты в итоге получаются:

Вопрос в том, где искать ошибку и заточена ли та модель, которую я использую конкретно под данные, принимающие значения от 6500 до 10500 или всё-таки передавать туда надо данные, варьирующиеся в пределах от -1 до 1?

Comments

[freeExec]

принимающие значения от 6500 до 10500 или всё-таки передавать туда надо данные, варьирующиеся в пределах от -1 до 1?

Вы графики функций активации хоть раз видели?

[VSLK]

Вот, кстати говоря, сама модель:

multi_step_model = tf.keras.models.Sequential()
multi_step_model.add(tf.keras.layers.LSTM(32,
                                          return_sequences=True,
                                          input_shape=x_train_multi.shape[-2:]))
multi_step_model.add(tf.keras.layers.LSTM(16, activation='relu'))
multi_step_model.add(tf.keras.layers.Dense(36))
multi_step_model.compile(optimizer=tf.keras.optimizers.RMSprop(clipvalue=1.0), loss='mae')
multi_step_history = multi_step_model.fit(train_data_multi, epochs=EPOCHS,
                                          steps_per_epoch=EVALUATION_INTERVAL,
                                          validation_data=val_data_multi,
                                          validation_steps=50)

[VSLK]

freeExec, так в fit как раз и передаётся обучающая выборка. А функция активации - это функция активации.