Look_back参数在LSTM中的作用

在使用python划分数据集时，一个参数look_back引起了我的注意，现在终于明白了他的作用。

他就是进行预测时认为这个输入数据与前面多少个输入有关，这个前面的数据个数就是look_back参数值的大小，例如有一段序列数据 “dcefabcdabceaa”，当look_back = 4时，表示结合输入与之前的四个输入，若四个输入为dabc、输入为e，那么输出为a的概率很大。但如果look_back = 1，对于同样的输入e，我们知道前一个输入为c，我们就无法判断输出为a还是f，所以look_back参数值我理解为对之前输入的记忆水平，该值越高，网络会记得几个回合之前的输入并将他们作为依据对现在的输出做出估计，但该值也不是越大越好，no free lunch。