我试图通过推特来预测特斯拉的股价。我尝试对每小时上涨或下跌的股票价格进行分类。显然很难预测它，所以我得出的结果好坏参半。此外，我没有要训练的大数据集，因此这些图通常有点颠簸。我还必须使用深度学习，因为我拥有3D训练数据，而且我想利用LSTM的“内存”。
如果我尝试使用弱模型，则其在精度图中的拟合将非常差。但是，验证准确性从未如此高：loss plot weak model。
当我使模型更强大时，训练精度会提高，但验证精度会下降：loss plot more powerful model。
我现在的问题是，我应该坚持使用功能更强大的模型并接受val精度的下降吗？还是采用欠拟合模型是正确的做法，因为它具有最大的验证准确性？
另外，由于准确性有很多峰值，我可以仅将最大的准确性峰值作为模型性能，还是应该平均说出前十名的表现。
