我使用tensorflow js进入机器学习的世界主要是为了尝试获得一些图表的预测数据，我已经做了一个基本顺序模型的例子来预测时间表，它似乎工作得很好，但是可能天真地认为你可以将相同的基本模型应用到一组日期。
比如说

const model = tf.sequential()

model.add(tf.layers.dense({ units: 1, inputShape: [1] }))
model.compile({ loss: 'meanSquaredError', optimizer: tf.train.sgd(0.0001) })

// Convert date strings to time as it doesn't like strings
const inputs = ['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04', '2023-01-05'].map(x => parseISO(x).getTime())
// Values for each date
const outputs = [2, 4, 5, 8, 10]

const xs = tf.tensor2d(inputs, [inputs.length, 1])
const ys = tf.tensor2d(outputs, [outputs.length, 1])

await model.fit(xs, ys, { epochs: 200 })

// Try make a single prediction for the next day
const predictions = [
  parseISO('2023-01-06').getTime(),
]

model.predict(tf.tensor2d(predictions, [predictions.length, 1])).toString()

然而，上面只是给出了[[NaN],]
有什么我错过了这里，可能是一个非常明显的基本错误，如可能使用纪元是问题？因为切换日期回到简单的数字1，2，3，4，5和预测6给出[[8.9031172],]，虽然不准确，但可能是一个预期的答案，即使它应该猜测一个累积值。
只是想找出我在这里出错的地方，任何指针赞赏!
最终目标是尝试预测未来日期的累积值。