深層学習ライブラリKerasを使って出した結果をプロットしたい

Question

前提・実現したいこと

参考サイト
このサイトを参考にし自分で用意したxとy座標のデータ（歩いた軌跡）を用いたディープラーニングをし行動予測をしようとしていました。合っているのかはわかりませんが自分の用意したデータに変えて実行してみたのでプロットをしてみようと思ったところ以下のようなエラーメッセージが出てきました。

発生している問題・エラーメッセージ

Length mismatch: Expected axis has 2 elements, new values have 1 elements

該当のソースコード

//---------------
def _load_data(data, n_prev = 20):  
    """
    data should be pd.DataFrame()
    """

    docX, docY = [], []
    for i in range(len(data)-n_prev):
        docX.append(data.iloc[i:i+n_prev].as_matrix())
        docY.append(data.iloc[i+n_prev].as_matrix())
    alsX = np.array(docX)
    alsY = np.array(docY)

    return alsX, alsY

def train_test_split(df_posixy, test_size=0.1, n_prev = 20):  
    """
    This just splits data to training and testing parts
    """
    ntrn = round(len(df_posixy) * (1 - test_size))
    ntrn = int(ntrn)
    X_train, y_train = _load_data(df_posixy.iloc[0:ntrn], n_prev)
    X_test, y_test = _load_data(df_posixy.iloc[ntrn:], n_prev)

    return (X_train, y_train), (X_test, y_test)

length_of_sequences = 20
(X_train, y_train), (X_test, y_test) = train_test_split(df_posixy, n_prev =length_of_sequences)  

from keras.models import Sequential  
from keras.layers.core import Dense, Activation  
from keras.layers.recurrent import LSTM


in_out_neurons = 2
hidden_neurons = 500

model = Sequential()  
model.add(LSTM(hidden_neurons, batch_input_shape=(None, length_of_sequences, in_out_neurons), return_sequences=False))  
model.add(Dense(in_out_neurons))  
model.add(Activation("linear"))  
model.compile(loss="mean_squared_error", optimizer="rmsprop" , metrics=['accuracy'])
model.fit(X_train, y_train, batch_size=600, nb_epoch=15, validation_split=0.05) 

//---------ここまでは実行できた

//以下プロットをしようとしてエラーが出た部分
predicted = model.predict(X_test) 
dataf =  pd.DataFrame(predicted[:100])
dataf.columns = ["predict"]
dataf["input"] = y_test[:100]
dataf.plot(figsize=(15, 5))

自分で用意したデータ

454行続く

補足情報

そもそもちゃんとできているのかがわからないため、間違っているところがありましたらお願いします。

Answer 1

model.save_weights('mnist_mlp_weights.hdf5')//重みの保存
model.load_weights('mnist_mlp_weights.hdf5')//重みのロード

predicted = model.predict(X_train)

df_predicted = pd.DataFrame(predicted, columns=list('xy'))
plt.plot(df_predicted["x"], df_predicted["y"],'ro')