LSTMによる時系列データの予測が上手く行えない

Question

学習させたデータは東京の2000年から2019年までの気温と日（１～３６５）で、直近7日分のデータを元に次の日の気温の予測を行えるようにしたいです。
30日分の予測と正解データをグラフで表示させてみたところ、次のようになりました。

予測のグラフが正解データのグラフを一日分ズラしたような形になっていて、何か違うような気がします。
(気温のみを学習させることも試してみましたがほぼ同じ予測結果になりました。)
これは正常に学習と予測が行えているのでしょうか。
間違っている場合はどこが違うのかをお教えいただけるとありがたいです。

import numpy
import matplotlib.pyplot as plt
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense,LSTM
import pandas

dataframe = pandas.read_csv('data.csv',index_col=0)

dataset = dataframe.values
dataset = dataset.astype('float32')
data_max = dataframe.max()
data_min = dataframe.min()

for i in range(len(dataset)):
　　dataset[:,0][i] = (dataset[:,0][i] - data_min['Temperature']) / (data_max['Temperature'] - data_min['Temperature'])
    dataset[:,1][i] = (dataset[:,1][i] - data_min['Day']) / (data_max['Day'] - data_min['Day'])
train_size = int(len(dataset) * 0.7)
test_size = len(dataset) - train_size
train, test = dataset[0:train_size,:], dataset[train_size:len(dataset),:]

def create_dataset(dataset, look_back=1):
    dataX, dataY = [], []
    for i in range(len(dataset)-look_back-1):
        xset = []
        for j in range(dataset.shape[1]):
            a = dataset[i:(i+look_back), j]
            xset.append(a)
        dataY.append(dataset[i + look_back, 0])
        dataX.append(xset)
    return numpy.array(dataX), numpy.array(dataY)

look_back = 7
trainX, trainY = create_dataset(train, look_back)
testX, testY = create_dataset(test, look_back)

trainX = numpy.reshape(trainX, (trainX.shape[0], trainX.shape[1], trainX.shape[2]))
testX = numpy.reshape(testX, (testX.shape[0], testX.shape[1], testX.shape[2]))

model = Sequential()
model.add(LSTM(4, input_shape=(testX.shape[1], look_back)))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(trainX, trainY, epochs=100, batch_size=1, verbose=2)

testPredict = model.predict(testX)
testPredict  = testPredict[0:30]
testY = testY[0:30]
for i in range(30):
    testPredict[i] = testPredict[i] * (data_max['Temperature'] - data_min['Temperature']) + data_min['Temperature']
    testY[i] = testY[i] * (data_max['Temperature'] - data_min['Temperature']) + data_min['Temperature']
plt.plot(testPredict,label="testPredict")
plt.plot(testY,label="testY")
plt.legend()
plt.show()

Answer 1

過学習しているように見えます。

直近7日分のデータを元に次の日の気温の予測

とのことですので、予測値は、学習に用いた直近7日間のデータと近い値が出て、予測グラフが一日遅れのように見えるのだと思います。
過学習を防ぐために、学習データの期間を1ヶ月、半年、1年......と増やしていくと、改善するのではないかと思います。