代码之家 › 专栏 › 技术社区 › BigBadMe

LSTM RNN的有趣结果:训练和验证数据的滞后结果

training-data rnn lstm keras neural-network

BigBadMe · 技术社区 · 7 年前

作为对RNN/LSTM(无状态)的介绍,我正在训练一个模型,该模型包含200天以前的数据序列(X),包括每日价格变化、每日成交量变化等,对于标签/Y,我有4个月内从当前价格到当前价格的%价格变化。基本上我想估计市场的走向,而不是100%准确。但我得到了一些奇怪的结果。。。

当我用训练数据测试我的模型时,我注意到模型的输出与实际数据相比是一个完美的拟合,它只是滞后了 确切地

当我把数据移动4个月,你会发现这是一个完美的契合。

我可以很明显地理解为什么训练数据会非常接近,因为它在训练期间就已经看到了这一切——但是为什么4个月后呢?

它对验证数据做了同样的处理(注意我用红色框突出显示的区域,以供将来参考):

时移:

也

为了从验证数据生成这个输出,我输入了一个200个时间步的序列,但是数据序列中没有说明4个月内价格变化的百分比-它是完全断开的,所以它是怎样的所以

2 回复 | 直到 7 年前

r poon 7 年前

如果您没有提供一个时滞X输入数据集(lagged t-k,其中k是时间步长),那么基本上您将在培训阶段向LSTM输入类似今天的收盘价,以预测相同的今天收盘价。该模型将(过度拟合)和行为完全符合已知的答案(数据泄漏)
所以预测值会有4个月的偏移

-1

BigBadMe 7 年前

考虑到市场在4个月内通常只在0-3%(正负)的幅度内波动,这意味着我的预测总是会与当前价格密切相关,只是有4个月的滞后。

因此,在每一天,预测的产量都会被重新计算,所以模型线永远不会偏离实际值太远;应该是一样的,但是在0-3%的范围内(正负)。

实际上,图形并不重要,而且它也不能反映出我使用输出的方式,所以我将放弃尝试获得可视化表示,而集中精力寻找不同的指标来降低验证损失。

推荐文章

jamesk · 在空间中识别“it”主题

8 年前

ZHANG Juenjie · 使用RNN生成一系列张量

8 年前

A. Syam · 没有名为“tqdm”的模块

8 年前

Nimy Alex · 整数序列学习中出现错误“ValueError:无法将字符串转换为浮点”

8 年前

dragster · tensorflow的tf是怎样的。contrib。训练batch_sequences_with_states API工作?

8 年前

Dmitri K · sin延迟回波-无法再现张量流,导致KERA

8 年前

DarkHawk · tensorflow中LSTM的多元输入

9 年前

Peter Kim · Imdb review编码错误

9 年前

MatthewScarpino · TensorFlow的RNN单元和信元

9 年前

Guanghua Shu · tf。nn。rnn_单元。MultiRNNCell创建可变形状不匹配?

9 年前