如何使用 Tensorflow 的预测方法预测股票的以下价值？

Question

我想知道如何在模型训练后预测和获取未来的时间序列数据。我想在 N 步后得到值。我想知道时间序列数据是否已被正确学习和预测。我该如何正确地获得以下（下一个）值？我想使用model.predict 或类似方法获取下一个值。

我有x_test 和x_test[-1] == t 所以，下一个值的意思是t+1, t+2, .... t+n。在这个例子中我想得到t+1, t+2 ... t+n

首先

我尝试使用股票指数数据

inputs = total_data[len(total_data) - forecast - look_back:]
inputs = scaler.transform(inputs)
X_test = []
for i in range(look_back, inputs.shape[0]):
    X_test.append(inputs[i - look_back:i])
X_test = np.array(X_test)
predicted = model.predict(X_test)

但结果如下所示

X_test[-20:] 的结果和以下 20 个预测看起来一样。我想知道这是否是训练和预测值的正确方法，以及结果是否正确。

full source

我第一次尝试的方法没有正常工作。

第二

我意识到有问题，我尝试使用另一个官方数据，所以我使用 Tensorflow 教程中的时间序列来练习训练模型。

a = y_val[-look_back:] 
for i in range(N-step prediction): #predict a new value n times.
    tmp = model.predict(a.reshape(-1, look_back, num_feature)) #predicted value     
    a = a[1:] #remove first     
    a = np.append(a, tmp) #insert predicted value

以线性回归形式预测的结果与实际数据大不相同。

输出一个独立于真实数据的线性回归异常：

full source（第 25 行之后是我的代码。）

我真的很好奇如何使用Tensorflow预测方法预测时间序列的以下值

我不知道这在理论上是否可行。我只是想知道如何使用 predict 方法获得以下 n 个步骤。

感谢您阅读冗长的问题。我就您的宝贵意见征求意见。

Answer 1

在第二种方法中，由于代码中的错误，输出不预期。

代码行，

a = y_val[-look_back:]

应由

替换

look_back = 20
x = x_val_uni
a = x[-look_back:]
a.shape

换句话说，我们应该将X Values作为预测模型的输入，而不是Y Values。 但是，我们可以将其与Y值进行比较，使用代码，

y = y_val_uni[-20:]

plt.plot(y)
plt.plot(tmp)
plt.show()

将导致下面显示的曲线：

请在此@ 987654322中找到完整的工作代码@。