我使用机器学习（尝试过Tensorflow和Tflearn库，后者我知道只是Tensorflow的封装）来预测未来一周某个区域的拥堵情况（如果你想了解更多背景，可以查看我之前的问题）。我的训练集由400K条标记的条目组成（每条记录包含日期和每分钟的拥堵值）。

我的问题是现在预测和现实之间存在时间差距。

如果我画一个图表来展示现实和预测，你会发现我的预测虽然与现实的形状相同，但却是提前的。它在现实之前就开始增加/减少。这让我开始思考我的训练可能存在问题。看起来我的预测并没有在我训练结束时开始。

我的两个数据集（训练/测试）位于两个不同的文件中。首先，我在训练集上进行训练（为了方便起见，假设它在第100分钟结束，我的测试集从第101分钟开始），一旦我的模型保存，我就会进行预测，通常它应该从第101分钟开始预测，还是我哪里错了？因为看起来它在我的训练停止后很久才开始预测（如果继续我的例子，它会从第107分钟的值开始预测）。

目前，一个不太好的解决方法是从训练集中删除与延迟相同数量的值（以这个例子来说，就是7个），这样做确实有效，不再有延迟，但我不知道为什么会出现这个问题，或者如何修复它以防止以后再次发生。

根据在不同网站上找到的一些建议，似乎我的训练数据集中存在间隙（在这种情况下是缺少时间戳）可能是问题所在。确实有一些间隙（总共大约7到9%的数据集缺失），我使用Pandas添加了缺失的时间戳（我还为它们赋予了最后已知时间戳的拥堵值），虽然我认为这可能有了一些帮助（间隙变小了），但问题并没有解决。

我尝试了多步预测、多变量预测、LSTM、GRU、MLP、Tensorflow、Tflearn，但这些都没有改变，让我认为问题可能出在我的训练上。以下是我的模型训练代码。

def fit_lstm(train, batch_size, nb_epoch, neurons):    X, y = train[:, 0:-1], train[:, -1]    X = X.reshape(X.shape[0], 1, X.shape[1])    print X.shape    print y.shape        model = Sequential()    model.add(LSTM(neurons, batch_input_shape=(None, X.shape[1], X.shape[2]), stateful=False))    model.add(Dense(1))    model.compile(loss='mean_squared_error', optimizer='adam')    for i in range(nb_epoch):        model.fit(X, y, epochs=1, batch_size=batch_size, verbose=0, shuffle=False)        model.reset_states()    return model

两个形状是：

(80485, 1, 1)

(80485,)

（在这个例子中，我只使用了8万条数据作为训练集，以提高速度）。

我使用的参数是1个神经元，批量大小为64，5个epoch。我的数据集由两个文件组成。第一个是训练文件，包含两列：

timestamp | values

第二个文件形状相同，但属于测试集（分开以避免对预测产生任何影响），该文件仅在所有预测完成后使用，用于比较现实和预测。测试集从训练集停止的地方开始。

你有关于这个问题可能原因的想法吗？

编辑：在我的代码中，我有这个函数：

# 反转差分    yhat = inverse_difference(raw_values, yhat, len(test_scaled)+1-i)# 反转差分值def inverse_difference(history, yhat, interval=1):    return yhat + history[-interval]

它应该用于反转差分（从缩放值转换为真实值）。当像粘贴的例子中那样使用它（使用测试集）时，我得到了完美的结果，准确率超过95%，没有间隙。

由于在现实中我们不会知道这些值，我不得不进行更改。我首先尝试使用训练集，但遇到了本文中解释的问题：

为什么会这样？对这个问题有解释吗？

回答：

找到了问题所在。问题出在“def inverse_difference(history, yhat, interval=1):”函数上。实际上，它使我的结果看起来像是我的训练的最后几行。这就是为什么我有间隙，因为我的数据中有一个模式（高峰总是大致在同一时间），我以为它在做预测，而实际上它只是在返回训练中的值。