我正在训练一个具有多个输入和多个 LSTM 层的 LSTM 网络，以建立一个时间序列间隙填充程序。LSTM 在 LSTM 的输出上使用“tanh”激活进行双向训练，最后一个具有“线性”激活的 Dense 层来预测输出。以下实际输出与预测的散点图说明了这个问题：

输出（X 轴）与预测（Y 轴）：

网络的性能肯定不会太差，我将在下一次试验中更新参数，但手头的问题总是会再次出现。最高产出明显被低估，最低产出被高估，明显是系统的。

我已经尝试对输入和输出进行最小-最大缩放以及对输入和输出进行归一化，后者的性能稍好一些，但问题仍然存在。

我在现有的线程和问答中看了很多，但我还没有看到类似的东西。

我想知道这里是否有人看到这一点并立即知道可能的原因（激活函数？预处理？优化器？训练期间缺少权重？...？）。或者，在这种情况下，如果不进行广泛的测试就不可能知道这一点也很好。