我正在研究这种机器学习模型，以帮助预测时间序列数据 .
我有数据序列：
-
每个时间步的多个功能
-
一个输出，由序列末尾的两个值组成 . 这些输出是二进制“[1,0]，[0,0]，[0,1]”等...
我使用形状序列（1000,20）分批训练模型1000个数据点 .
我认为在最后使用带有密集层的LSTM（80）就可以了 . 但是当我训练模型时，它表现得非常双极 . 每列火车测试精度要求准确度为95.％，或准确度为27.％ .
见下文：
这是我在Keras的模特：
model = Sequential()
model.add(LSTM(80,input_shape=(1000, 20), return_sequences=True))
model.add(Dense(2))
model.compile(loss='mean_absolute_error', optimizer='adam', metrics=['accuracy'])
这是我的数据：
输入：
形状（1001,1000,20）
输出：
形状（1001,1000,2）
注意：
（我实际上只对（1000,2）的最后一个值感兴趣） - 当处理整个序列时，最后的值是多少？
这是我看到的行为（注意准确性）：
1001/1001 [==============================] - 94s 94ms /步 - 损失：6.9542e-04 - acc ：0.6398 Epoch 98/100 1001/1001 [==============================] - 95s 95ms /步 - 损失：7.2331 e-04 - acc：0.6206 Epoch 99/100 1001/1001 [==============================] - 93s 93ms /步骤 - 损失：7.6055e-04 - acc：0.6356 Epoch 100/100 1001/1001 [============================== ] - 93s 93ms /步 - 损失：6.1643e-04 - acc：0.6365 1001/1001 [============================= =] - 8s 8ms /步模型精度：25.06％模型损失：0.07％
-
-
-
- 要么 - - - - -
-
-
Epoch 97/100 1001/1001 [==============================] - 95s 94ms /步 - 损失：6.9479e -04 - acc：0.6324 Epoch 98/100 1001/1001 [==============================] - 94s 94ms /步 - 损失：6.5280e-04 - acc：0.6274 Epoch 99/100 1001/1001 [==============================] - 94s 94ms /步 - 损失：7.5665e-04 - acc：0.6399 Epoch 100/100 1001/1001 [========================== ====] - 93s 93ms /步 - 损失：7.5244e-04 - acc：0.6401 1001/1001 [========================= =====] - 8s 8ms /步模型精度：95.28％模型损失：0.06％
问题：
1）我使用的是正确的型号吗？
2）我可以做些什么来改进我的预测？
3）我应该尝试哪些其他型号？
非常感谢提前！