Question

我想创建一个简单的LSTM，它会尝试根据3个变量 open_price ， close_price 和 volume 来预测股票价格。

我想预测open_price和close_price 仅
我想预测未来5天的价格
我想根据前10天预测价格
我相信明天的价格会受到今日价格和 voulme

我一直在玩这个example，它只使用一个变量（价格）。但我无法弄清楚如何使它与多个变量一起使用。

请记住，虽然我只是预测过去的价格，但我仍然希望我的网络使用过去的数量数据，因为它可能带有一些有关价格变化的信息。

以下是我使用一些随机值的代码：

from keras.layers.recurrent import LSTM
from keras.models import Sequential
import numpy as np

my_input_dim = ???
my_output_dim = ???

model = Sequential()
model.add(LSTM(
        input_dim=my_input_dim,
        output_dim=my_output_dim,
        return_sequences=True))        

model.compile(loss='mse', optimizer='adam')

rows = 100
# index 0: open_price, index 1: close_price, index 2: volume
dataset = np.random.rand(rows,3)

my_x_train = ???
my_y_train = ???

model.fit(
        my_x_train,
        my_y_train,
        batch_size=1,
        nb_epoch=10,
        validation_split=0.20)

data_from_5_previous_days = np.random.rand(5,3)

# should be a 2D array of lenght 5 (prices for the next 5 days)
prediction = model.predict(data_from_5_previous_days)

你能帮我完成吗？

修改

我想我在这里取得了一些进展：

timesteps = 5
out_timesteps = 5
input_features = 4
output_features = 3
xs = np.arange(20 * timesteps * input_features).reshape((20,timesteps,input_features)) # (20,5,4)
ys = np.arange(20 * out_timesteps * output_features).reshape((20,out_timesteps,output_features)) # (20,5,3)
model = Sequential()
model.add(LSTM(13, input_shape=(timesteps, input_features), return_sequences=True))
model.add(LSTM(17, return_sequences=True))
model.add(LSTM(output_features, return_sequences=True)) # output_features (output dim) needs to be the same length as the length of a sample from ys (int the LAST layer)
model.compile(loss='mse', optimizer='adam')
model.fit(xs,ys,batch_size=1,nb_epoch=1,validation_split=0.20)
prediction = model.predict(xs[0:2]) # (20,5,3)

所以我的单个样本是

输入：一个序列（5个项目长），每个项目有4个功能
输出：一个序列（5个项目长），每个项目有3个功能

但是我无法更改输出序列长度（out_timesteps = 2）。我收到一个错误：

ValueError：检查目标时出错：预期lstm_143有形状（无，5,3）但有阵列形状（20,2,3）

我认为是这样的：基于过去5天，预测接下来的2天。

该错误该怎么办？

多维LSTM的最简单示例

0 个答案: