但是我已经尝试了一段时间。我已经看到了很多关于如何使用Keras构建LSTM模型以及人们如何输入和获得预期输出的指南。但是我还从未见过的是，例如，股票数据，如何使LSTM模型理解不同维度之间的模式，比如说收盘价比正常价格高得多，因为交易量低。
重点是，我想对库存预测进行测试，但要使每个维度都不依赖于先前的时间步长，也要依赖于它具有的其他维度。
抱歉，如果我提出的问题不正确，请问更多问题，如果我没有清楚地说明问题。
答案 0 :(得分：0)
首先：如果您输入的功能可以使预测的输入获得一些直接的直觉，则回归器将进行复制，这可能是为了确保将错误最小化，而不是尝试实际预测错误。尝试关注二进制分类或多类分类，无论收盘价是涨还是跌。
第二：始终对原始功能进行设计，以为ML算法提供更明确的模式。考虑输入为Volume（t）-Volume（t-1），close（t）^ 2-close（t-1）^ 2，技术指标（RSI，CCI，OBV等）创建自己的功能。您可以将pyti库用于技术指标。