如何解决为什么这个 LSTM 模型的预测值显示一条不跟随趋势的平行线
-> 创建 LSTM 模型的源代码
def create_model(learning_rate,num_dense_layers,num_input_nodes,num_dense_nodes,activation,adam_decay):
model = Sequential()
model.add(LSTM(units = num_input_nodes,input_shape= (30,4),activation=activation,return_sequences=True))
model.add(LSTM(units = 10,activation=activation))
for i in range(num_dense_layers):
name = 'layer_dense_{0}'.format(i+1)
model.add(Dense(num_dense_nodes,name=name
))
model.add(Dense(units=1))
adam = Adam(lr=learning_rate,decay= adam_decay)
loss=Huber()
model.compile(optimizer=adam,loss=loss)
return model
->我使用GP(Gaussian Process)方法得到了LSTM机器的优化超参数,并用它来制作模型
gp_result = [0.001,1,512,13,'relu',64,0.001]
#call our best model
gp_model = create_model(gp_result.x[0],gp_result.x[1],gp_result.x[2],gp_result.x[3],gp_result.x[4],gp_result.x[5])
gp_model.summary()
gp_model.fit(X_train,y_train,epochs=500)
gp_model.evaluate(X_test,y_test)
-> 这里,X_train 是由 (570,30,4) 3-d 数组组成的数据。 y_train 由 (570,1) 二维数组组成。在y_train的情况下,它由(100,4)组成,y_test是(100,1)。 X数据为4个特征的30天数据(开盘价、当日最高价、当日最低价、当日成交量),y数据为第二天的结果(收盘时的股价)。
模型总结
层(类型)输出形状参数#
lstm (LSTM)(无、30、512)1058816
lstm_1 (LSTM)(无,10)20920
layer_dense_1(密集)(无,13)143
密集(密集)(无,1)14
gp_model.fit(X_train,epochs=1000,verbose=0)
gp_model.evaluate(X_test,y_test)
pred = gp_model.predict(X_test)
pred.shape
import matplotlib.pyplot as plt
plt.plot(pred)
plt.plot(y_test)
plt.xlabel('day')
plt.ylabel('price')
-> 最终结果在这里。
我不明白为什么模型的预测跟不上股价。我使用贝叶斯优化和高斯过程来找到损失最低的超参数。在应用贝叶斯之前,我使用了简单的模型,
这个,这个模型跟股价差不多, enter image description here 上图是预测数据(model.predict(X_test))和实际数据(y_test)的图
我不明白为什么会这样。 有人可以帮助我吗? 我想提前表示感谢。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。