尝试了解此代码中应用于 LSTM 数据的 accuracy() 函数

Question

我一直在使用 LSTM 为我的机器学习进行股票价格预测class，我对编程还很陌生，所以感谢您的耐心等待！

无论如何，我有这个生成准确度分数的函数，我正试图更好地理解该函数的某些组件。也就是说，数据转换和 lamda 函数的目的是什么？

函数如下：

  def accuracy(model, data):
        y_test = data["y_test"]
        X_test = data["X_test"]
        y_pred = model.predict(X_test)
        y_test = np.squeeze(data["column_scaler"]["Close"].inverse_transform(np.expand_dims(y_test, axis=0)))
        y_pred = np.squeeze(data["column_scaler"]["Close"].inverse_transform(y_pred))
        y_pred = list(map(lambda current, future: int(float(future) > float(current)), y_test[:-LOOKUP_STEP], y_pred[LOOKUP_STEP:]))
        y_test = list(map(lambda current, future: int(float(future) > float(current)), y_test[:-LOOKUP_STEP], y_test[LOOKUP_STEP:]))
        return accuracy_score(y_test, y_pred)

我很好奇如果我只使用这样的函数会有什么区别：

  def accuracy(model, data):
        y_test = data["y_test"]
        X_test = data["X_test"]
        y_pred = model.predict(X_test)
        return accuracy_score(y_Test, y_pred)

Answer 1

嗯，你应该更好地描述你的数据和模型输出。我想数据是一个 pandas 数据帧，你正在使用 sklearn 来预处理你的数据。

首先你需要规范化你的数据，所以我想你的代码中某处有一个 MinMaxScaler 或一些 sklearn 转换，它将你的数据帧的整个列映射到 0 到 1 之间的值，从你的代码似乎是 column_scaler。因此，您必须使用 inverse_transform 将这些值非标准化为真实值（现金值）。因此，y_pred 值 0 成为您最初对数据的最低值，假设 $10,29。

然后您将价格预测转换为真假值（布尔值），检查未来价格是否高于当前价格（向前看 LOOKUP_STEP 个跳动）。

有了这个仅显示价格上涨与否的数组，您可以计算 Jaccard Score (from sklearn I suppose)，它仅告诉您相对于错误的价格，您有多少上涨价格是正确的。

如果你没有执行那些 post 处理步骤 accuracy_score 会给出不同的值，我不确定它是否接受浮点数作为值，它会给出错误。

尝试了解此代码中应用于 LSTM 数据的 accuracy() 函数

Trying to understand the accuracy() function being applied to LSTM data in this code

python

numpy

lstm

tensorflow