我已经为时间序列预测建立了一个 LSTM 模型。结果还不错，平均归一化误差为 7%。但是，这种归一化的偏差显示了一个清晰的模式：要预测的值越接近 0，偏差就越高，如下图所示：

注 1：为清楚起见， True和Pred值在图中按比例缩放

注 2：偏差不是恒定的，未归一化的偏差（或偏差）显示相同的模式

该模型：

* 1 LSTM layer with 256 hidden units and no peep-holes
* Dropout in LSTM with keep_prob = 0.8
* One Dense Layer after the LSTM with 128 units with relu activation
* One Dense Layer after the first dense with 1 unit (predictor)
* Adam optimizer, with learning rate = 0.001
* Loss: Mean Squared Error

有什么提示吗？