【问题标题】：Keras LSTM Input Dimension understanding each otherKeras LSTM Input Dimension 相互理解
【发布时间】：2018-10-08 17:02:32
【问题描述】：
但我一直在尝试使用它一段时间。我看过很多关于如何使用 Keras 构建 LSTM 模型以及人们如何输入输入并获得预期输出的指南。但我从未见过的是，例如股票数据，我们如何让 LSTM 模型理解不同维度之间的模式，比如收盘价远高于正常水平，因为成交量低。
重点是我想对股票预测进行测试，但要做到每个维度不依赖于之前的时间步长，而且还依赖于它所拥有的其他维度。
对不起，如果我没有正确地提出问题，如果我没有解释清楚，请提出更多问题。
【问题讨论】：
标签：
python
machine-learning
keras
lstm
rnn
【解决方案1】：
首先：如果您输入的特征可以对预测输入提供一些直接的直觉，则回归器将进行复制，这可能是为了确保将错误最小化，而不是尝试实际预测它。尝试关注二分类或多分类，收盘价是否上涨/下跌或多少。
第二：始终设计原始特征，为 ML 算法提供更明确的模式。将输入视为 Volume(t) - Volume(t-1)、close(t)^2 - close(t-1)^2、技术指标（RSI、CCI、OBV 等） 创建您自己的特征。您可以将 pyti 库用于技术指标。