我遇到的一个问题是需要预测未来时间序列的运动。让我们以股票市场预测为例。
让（最初）：
X t =功能矩阵
Y t =目标输出->是将来某个时间点的收益。它是[-10,10]
我花了数周时间进行特征设计，找不到与Y t 有显着相关性的特征。然而， 我意识到的是，如果我同时使用X t 和Y t 的导数，则可以观察到高度相关。
所以我想让我重新定义问题，例如：
X t ' =特征矩阵。
Y t ' =目标变量。
一阶导数是通过当前行与上一行之间的简单差来计算的。
然后，我设计了一种LSTM，该LSTM具有合理的精度。但是问题是我需要预测输出作为原始值Y t ，而不是其导数。
所以我想，一旦获得了Y t '的预测值，我就可以简单地做到：
Y t = Y t-1 + Y t '
这里的问题是由于累积总和的性质，我的预测变得不稳定，并偏离了真实值。
我想知道是否有可能馈入LSTM（keras）以指示预测值Y t '是否取决于过去（Y t ' + Y t ）。
还请注意，我正在运行模型，以使我们没有过去的Y t 值。