相关疑难解决方法(0)

我想在节日期间亲身体验一下Keras的经验,我想我会从时间序列预测库存数据的教科书示例开始.所以我要做的是给出最后48小时的平均价格变化(自之前的百分比),预测未来一小时的平均价格差异.

然而,当针对测试集(或甚至训练集)进行验证时,预测序列的幅度是偏离的,并且有时被转移为总是正的或总是负的,即,偏离0%的变化,即I认为对于这种事情是正确的.

我想出了以下最小的例子来说明问题:

df = pandas.DataFrame.from_csv('test-data-01.csv', header=0)
df['pct'] = df.value.pct_change(periods=1)

seq_len=48
vals = df.pct.values[1:] # First pct change is NaN, skip it
sequences = []
for i in range(0, len(vals) - seq_len):
    sx = vals[i:i+seq_len].reshape(seq_len, 1)
    sy = vals[i+seq_len]
    sequences.append((sx, sy))

row = -24
trainSeqs = sequences[:row]
testSeqs = sequences[row:]

trainX = np.array([i[0] for i in trainSeqs])
trainy = np.array([i[1] for i in trainSeqs])

model = Sequential()
model.add(LSTM(25, batch_input_shape=(1, seq_len, 1)))
model.add(Dense(1))
model.compile(loss='mse', optimizer='adam')
model.fit(trainX, trainy, epochs=1, batch_size=1, verbose=1, shuffle=True) …