python - 如何使用机器学习和 LSTM 确定价格预测中的层数和单位数?
问题描述
我正在尝试为与预测相关的问题(类似于股票价格预测)提出一个实验性解决方案。
我一直在阅读很多关于使用机器学习和使用 LSTM(keras 和 tensorflow)预测股票价格的文档。我了解机器学习本身的一般理论以及 LSTM 层如何在幕后工作。
我主要担心的是,我发现的每个关于股票价格预测的教程都提供了不同数量的隐藏 LSTM 层,并且每个层都有预定义的单元数量,没有太多解释。在经典的“Apple (AAPL) 股价预测”场景中,我看到了 3 层和 50 个单元的教程,其他只有 2 层但 128 个单元的教程。
在我必须自己编写代码的情况下,如何确定 LSTM 的数量和预测正常运行的单元数量?我目前的主要猜测是试图通过反复试验来解决这个问题。我想知道问题、数据和解决方案之间是否存在某种关系。
此外,如果有人可以解释拥有更多/更少的 LSTM 层和更多/更少的单元而不是进行更多计算的效果,那就太棒了!
解决方案
一个好的方法是从具有一些特征的小数据集开始。创建一个非常简单的神经模型并尝试在这个集合上对其进行训练。如果你的网络正确地预测了测试集,它会使数据集复杂化并重新训练。但是,如果网络不起作用,它会通过添加节点或层来增加其大小。
当数据集充满所有特征时,您就拥有了完成此任务的最佳网络
推荐阅读
- python - 将嵌套 JSON 转换为数据框
- javascript - 查看 Chrome 控制台时,video.min.js 中出现“拒绝从 blob 创建工作者”错误
- javascript - 如何修复在法语日期时间中添加的额外时间段?
- excel - 如果标准,如何将特定单元格从一张纸复制到另一张会议
- php - 如何以更好的方式使用 mysql 来缩短加载时间?
- json - awesome-typescript-loader 不接受 JSON 中的更改
- python - 列表索引越界和堆栈溢出错误
- sql - SQL-Server 我对使用 datepart 进行工作日计算感到疯狂
- python-2.7 - 使用 itertools.groupby() 对重复列表对象进行分组
- javascript - 通过按钮切换类弹出 JQuery