我正在玩keras TF . 我有一个由4个LSTM层2个密集层组成的模型 .
我有3个特征是3个sin序列和一个目标，它是3个sin序列的乘法 .
LSTM层配置有30个积压时间步骤 .
我训练RNN有80％的功能，而不是我要求它预测学习数据（总数据的80％）我获得了非常好的预测 .
接下来，我继续将最后20％的数据拆分为10个子部分，然后循环进行预测（part_x [0]），拟合（part_y [0]），预测（part_x [1]），拟合（part_y [1] ）......但预测质量大幅下降 .
期望预测（x [i]）/ fit（x [i]，y [i]）循环应该为每个x [i 1]块产生一个合适的结果是正确的吗？
还有一个问题：是否可以训练具有4种功能的RNN并使用3种功能进行预测？如果是，我怎样才能“盲目”预测阶段的不可用功能？
TIA Roberto C.