look_back步长应该如何设置

`look_back`步长是指在时间序列预测模型（如LSTM）中，用于确定每个输入样本的历史时间跨度。在给定的引用示例中，`input_shape=(1, look_back)`表明模型期望的时间序列数据具有一个特征维度（这里为1，通常代表单个数值），以及一个由`look_back`决定的过去时间步数。

`look_back`的选择取决于具体任务的需求和数据特性。如果数据有明显的趋势或者季节性，那么较大的`look_back`可能有助于捕捉这些模式；反之，如果数据变化较平滑，较小的`look_back`可能就足够。通常需要通过实验来调整，比如尝试不同的`look_back`值，然后观察模型在训练集和验证集上的性能表现，选择性能最好的那个。

引用[1]:

model.add(LSTM(128, activation='tanh', input_shape=(1, look_back), return_sequences=True))

要设置`look_back`，你可以先尝试一些常见的值（如5, 10, 20），或者基于领域知识或数据可视化结果来决定。记得在训练模型之前，确保数据已经被适当地预处理成适当的时间序列格式。