我正在将 LSTM 用于时间序列预测，这需要预测期望值（即预测的平均值）和标准偏差（即未来值应该落入的区间）。

我已经考虑过 one-hot encoding 可以返回每个类别的预测的可能性，然后可以用来找到预测的均值和 SD，例如，如果 LSTM 的输出是

• 类别 | 可能性
• [0,5) | 0.1
• [5,10) | 0.2
• [10,15) | 0.4
• [15,20) | 0.3

然后我得出结论，预测的期望值为 (2.5x0.1 + 7.5x0.2 + 12.5x0.4 + 17.5x0.3 = 12)

并且以类似的方式找到SD。

我的问题是，这种方法是否是找到预测的均值和 SD 的有效方法，为什么/为什么不呢？