为什么我因Keras的损失而感到难为情？

Question

我正在关注文章https://www.analyticsvidhya.com/blog/2018/10/predicting-stock-price-machine-learningnd-deep-learning-techniques-python/。

首先，我尝试使用文章中的数据，即https://s3-ap-south-1.amazonaws.com/av-blog-media/wp-content/uploads/2019/03/NSE-TATAGLOBAL11.csv。该脚本产生与文章相同的结果。

然后，我尝试从Yahoo Finance下载另一个数据集。数据集更大（文章样本数据集中的2805行，而不是1000+行）。但是，使用LSTM方法后，我会得到损失。为什么？如何解决问题？

Answer 1

您正在使用的数据很可能包含nan。删除这些行或使用适当的值填充这些行将解决此问题。

您可以使用nan来检查np.isnan(X)

Answer 2

按照以下步骤操作：

1. 通过分位数归一化对数据进行归一化。为严格起见，请对训练数据而不是对整个数据集进行此变换。

2. 通过增加辍学率或对权重添加L1和L2惩罚来添加正则化。 L1正则化类似于特征选择。

3. 如果这些仍然不能解决问题，请减小网络规模，以减少导致训练时使用较少数据的网络参数。这并不总是最好的主意，因为它会损害性能。

4. 最后，增加批量大小，可能会增加优化的稳定性。