在多元时间预测 LSTM 模型中预测未来值
Predicting future values in a multivariate time forecasting LSTM model
我对如何使用时间序列多变量 LSTM 模型预测未来结果感到困惑。
我正在尝试建立一个股票市场预测模型，我有以下数据特征
日期
每日最高价
每日低价
体积
收盘价
如果我用截至今天的 5 年数据训练我的模型，并且我想预测明天的收盘价，基本上我需要预测明天的所有数据特征。这就是我感到困惑的地方......因为如果所有数据特征都相互依赖，那么当明天的所有数据特征仍然未知时，我如何预测未来的一天？有没有人有任何关于如何处理这个问题的示例代码？
我决定采用的解决方案是来自 keras 库的 TimeseriesGenerator。
我对如何使用时间序列多变量 LSTM 模型预测未来结果感到困惑。
我正在尝试建立一个股票市场预测模型，我有以下数据特征
日期 每日最高价 每日低价 体积 收盘价
如果我用截至今天的 5 年数据训练我的模型，并且我想预测明天的收盘价，基本上我需要预测明天的所有数据特征。这就是我感到困惑的地方......因为如果所有数据特征都相互依赖，那么当明天的所有数据特征仍然未知时，我如何预测未来的一天？有没有人有任何关于如何处理这个问题的示例代码？
我决定采用的解决方案是来自 keras 库的 TimeseriesGenerator。