Модель LSTM для прогнозирования временных рядов, дающая очень низкую производительность даже на данных обучения

Question

Я пытаюсь выполнить прогнозирование временных рядов с помощью LSTM. Я обучил модель, которая дает очень меньше потерь при обучении, но когда я пытаюсь предсказать сами данные обучения, это дает значения, далекие от фактических. Вот мой код:

train_data = conf_world.values.reshape(-1,1)
scaler = MinMaxScaler(feature_range=(0, 1))
scaler.fit(train_data)
scaled_train_data = scaler.transform(train_data)
def split_sequence(sequence, n_steps):
    X, y = list(), list()
    for i in range(len(sequence)):
        # find the end of this pattern
        end_ix = i + n_steps
        # check if we are beyond the sequence
        if end_ix > len(sequence)-1:
            break
        # gather input and output parts of the pattern
        seq_x, seq_y = sequence[i:end_ix], sequence[end_ix]
        X.append(seq_x)
        y.append(seq_y)
    return np.array(X), np.array(y)
n_input = 5
train_x, train_y = split_sequence(scaled_train_data,n_input)
n_features =1
train_x = train_x.reshape((train_x.shape[0],train_x.shape[1],n_features))
lstm_model = Sequential()
lstm_model.add(LSTM(input_shape=(n_input, n_features),units=50,activation='relu',return_sequences=True))
lstm_model.add(LSTM(100))
lstm_model.add(Dense(1))
lstm_model.compile(optimizer = 'adam', loss = 'mean_squared_error')
lstm_model.fit(train_x,train_y, epochs = 200)

predicted_data = []
batch = scaled_train_data[:n_input].copy()
current_batch = batch.reshape((1, n_input, n_features))
lstm_pred = lstm_model.predict(current_batch)[0]
for i in range(len(train_data)-5):   
    lstm_pred = lstm_model.predict(current_batch)[0]
    print(current_batch,lstm_pred)
    predicted_data.append(lstm_pred) 
    current_batch = np.append(current_batch[:,1:,:],[[lstm_pred]],axis=1)
prediction = pd.Series(data=scaler.inverse_transform(predicted_data).reshape(1,-1)[0].round().astype(int),index=conf_world[5:].index)
prediction

Мои фактические данные:

2020-01-27       2927
2020-01-28       5578
2020-01-29       6166
2020-01-30       8234
2020-01-31       9927
               ...   
2020-04-07    1426096
2020-04-08    1511104
2020-04-09    1595350
2020-04-10    1691719
2020-04-11    1771514
Length: 76, dtype: int64

Но предсказанные данные приходят:

2020-01-27      8890
2020-01-28      9517
2020-01-29     10686
2020-01-30     12272
2020-01-31     14369
               ...  
2020-04-07     96617
2020-04-08     99337
2020-04-09    102411
2020-04-10    105903
2020-04-11    109897
Length: 76, dtype: int64

Что я делаю не так? Какие улучшения я должен сделать в модели? Я новичок в задачах временного ряда, поэтому, пожалуйста, помогите мне с этим