LSTM 和标签
LSTM and labels
让我们从 "I know ML cannot predict stock markets better than monkeys." 开始
但我只想完成它。
我的问题是理论性的。
假设我有日期、开盘价、最高价、最低价、收盘价作为列。所以我想我有 4 个特征，开盘价、高价、低价、收盘价。
'my_close' 将成为我的标签（答案），我将使用从当前行算起的 'close' 7 天。基本上，我将 'close' 列向上移动了 7 行，并使其成为一个名为 'my_close' 的新列。
LSTM 处理序列。所以说我设定的顺序是20天。
因此我的形状将是（1000 天的数据，20 天的序列，3 个特征）。
困扰我的问题是这20天或一行数据，是否应该有完全相同的标签？或者他们可以有单独的标签吗？
还是我误解了整个理论？
谢谢大家。
在您的例子中，您想使用前 7 天的股票价值预测当天的股票价格。在输入模型之前，构建输入和输出的方式需要进行一些修改。
你在理解时间步长（在你的序列中）时犯了错误。
外行术语中的时间步长（序列）是我们在预测输出时将考虑的输入总数。在您的情况下，它将是 7（不是 20），因为我们将使用前 7 天的数据来预测当天的输出。
您输入的应该是前 7 天的信息
[F11,F12,F13],[F21,F22,F23],.......,[F71,F72,F73]
其中Fij，F代表特征，i代表时间步，j代表特征数。
输出第8天的股价。
在这里，您的模型将分析前 7 天的输入并预测输出。
因此，为了回答您的问题，您将有一个用于前 7 天输入的通用标签。
我强烈建议你多学习一下 LSTM。
让我们从 "I know ML cannot predict stock markets better than monkeys." 开始 但我只想完成它。
我的问题是理论性的。 假设我有日期、开盘价、最高价、最低价、收盘价作为列。所以我想我有 4 个特征，开盘价、高价、低价、收盘价。
'my_close' 将成为我的标签（答案），我将使用从当前行算起的 'close' 7 天。基本上，我将 'close' 列向上移动了 7 行，并使其成为一个名为 'my_close' 的新列。
LSTM 处理序列。所以说我设定的顺序是20天。 因此我的形状将是（1000 天的数据，20 天的序列，3 个特征）。
困扰我的问题是这20天或一行数据，是否应该有完全相同的标签？或者他们可以有单独的标签吗？ 还是我误解了整个理论？
谢谢大家。
在您的例子中，您想使用前 7 天的股票价值预测当天的股票价格。在输入模型之前，构建输入和输出的方式需要进行一些修改。
你在理解时间步长（在你的序列中）时犯了错误。 外行术语中的时间步长（序列）是我们在预测输出时将考虑的输入总数。在您的情况下，它将是 7（不是 20），因为我们将使用前 7 天的数据来预测当天的输出。
您输入的应该是前 7 天的信息
[F11,F12,F13],[F21,F22,F23],.......,[F71,F72,F73]
其中Fij，F代表特征，i代表时间步，j代表特征数。
输出第8天的股价。 在这里，您的模型将分析前 7 天的输入并预测输出。 因此，为了回答您的问题，您将有一个用于前 7 天输入的通用标签。
我强烈建议你多学习一下 LSTM。