我对如何使用时间序列多元LSTM模型预测未来结果感到困惑。
我正在尝试为股票市场预测建立模型，并且具有以下数据特征
日期 每日最高价 每日低价 体积 ClosePrice
如果我使用直到现在的5年数据来训练模型，并且想要预测明天的ClosePrice，从本质上讲，我将需要预测明天的所有数据功能。这就是我感到困惑的地方。。。。因为如果所有数据功能都相互依赖，那么明天的所有数据功能仍然未知时，我该如何预测将来的某一天呢？没有人有任何示例代码说明如何处理此问题？
答案 0 :(得分：0)
在使用LSTM之前，最好也了解RNN的实现。
tensorflow文档包含一些RNN和LSTM实现的示例： https://www.tensorflow.org/tutorials/sequences/recurrent
您部分正确，输出确实取决于先前输入的“全部”。但是，这不必意味着全部。在这里查看Jason Brownlee的精彩文章，并提供您所要求的示例。 https://machinelearningmastery.com/multivariate-time-series-forecasting-lstms-keras/
通常，您将数据集“划分”为情节。即，提取n天输入的窗口，并在n + 1天输入输出标签，例如n ＝ 7。然后RNN或LSTM将在这些提取的窗口上作为样本进行训练（训练数据）。
最后，您当然可以使用最近n天历史数据上的受过训练的网络来预测接下来几天的功能（模型部署）。
另请参阅此SO帖子：Understanding Keras LSTMs
答案 1 :(得分：0)
我决定采用的解决方案是来自keras库的TimeseriesGenerator。