Keras LSTM输入尺寸相互理解

Question

但我已经尝试了一段时间了。 我已经看到了很多关于如何使用Keras构建LSTM模型以及人们如何输入和获得预期输出的指南。 但是我还从未见过的是，例如股票数据，如何使LSTM模型理解不同维度之间的模式，比如说收盘价比正常价格高得多，因为交易量低。

关键是我想对库存预测进行测试，但要使每个维度都不依赖于先前的时间步长，也要依赖于它具有的其他维度。

抱歉，如果我提出的问题不正确，如果我没有清楚说明问题，请提出更多问题。

Answer 1

第一：如果您输入的特征可以直接反映出预测输入，则回归函数将进行复制，这可能是为了确保将错误最小化，而不是尝试实际预测误差。 尝试关注二进制分类或多类分类，无论收盘价是涨还是跌。

第二：始终设计原始功能，以为ML算法提供更明确的模式。 考虑输入为Volume（t）-Volume（t-1），close（t）^ 2-close（t-1）^ 2，技术指标（RSI，CCI，OBV等）创建自己的功能。 您可以将pyti库用于技术指标。