如何使用机器学习和LSTM来确定价格预测中的层数和单位数？
如何使用机器学习和LSTM来确定价格预测中的层数和单位数？
提问于 2021-09-15 14:07:49
我正在尝试为一个与预测(类似于股票价格预测)相关的问题提出一个实验性的解决方案。
我已经阅读了很多关于使用机器学习和使用LSTM (keras和tensorflow)进行股票价格预测的文档。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。
在经典的“苹果(Apple)股价预测”场景中，我看到的教程有3层和50个单元，其他的只有2层和128个单元。
在我必须自己编写代码的情况下，我如何确定LSTM的数量和预测正常工作所需的单元数量？我目前的主要猜测是试图通过试验和错误来找出答案。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，如果有人能解释拥有更多/更少的LSTM层和更多/更少的单元的效果，而不是做更多的计算，那就太棒了！
回答 1
Stack Overflow用户
发布于 2021-09-15 15:50:01
一个好的方法是从一个小的数据集开始，只有几个特征。创建一个非常简单的神经模型，并尝试在这个集合上进行训练。如果您的网络正确地预测了测试集，则会使数据集复杂化并重新训练。但是，如果net不工作，它会通过添加节点或层来增加其大小。
当数据集包含所有要素时，您将拥有适用于此任务的最佳网络
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/69194730
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号