es每次结果不一样_相同的数据，为什么LSTM每次训练预测的结果不一样？

importpandas aspd

importnumpy asnp

importtushare asts

importmatplotlib.pyplot asplt

# 构建长短时神经网络需要的方法

fromsklearn.preprocessing importMinMaxScaler

fromkeras.models importSequential

fromkeras.layers importDense, LSTM, BatchNormalization

# 需要之前90次的数据来预测下一次的数据

need_num = 90

# 训练数据的大小

training_num = 3000

# 迭代10次

epoch = 10

batch_size = 32

# 训练数据的处理，我们选取整个数据集的前6000个数据作为训练数据，后面的数据为测试数据

# 从csv读取数据

dataset = pd.read_csv('900957.csv')

# 我们需要预测开盘数据，因此选取所有行、第四列数据

dataset = dataset.iloc[:, 3:4].values

# 训练数据就是上面已经读取数据的前6000行

training_dataset = dataset[:training_num]

# 因为数据跨度几十年，随着时间增长，人民币金额也随之增长，因此需要对数据进行归一化处理

# 将所有数据归一化为0-1的范围

sc = MinMaxScaler(feature_range=(0, 1))<