如何为股票预测输出 CNN 的值

Question

我构建了一个基于LSTM 的神经网络来预测 BTC 的价格。我会说它的训练很不错，但我不确定如何让它预测明天的价格。

我为我的训练模型尝试了 Keras 的方法 predict，以今天的价格作为参数，然后使用 tensorflow 的“tf.argmax”来选择输出数组中的最高确定性。现在我知道它指的是在计算机视觉案例中预测的类别，但我真的不知道在那种情况下这些概率指的是什么。

模型构建：

  model = Sequential()
  model.add(LSTM(neurons, return_sequences=True, input_shape=(inputs.shape[1], inputs.shape[2]), activation=activ_func))
  model.add(Dropout(dropout))
  model.add(LSTM(neurons, return_sequences=True, activation=activ_func))
  model.add(Dropout(dropout))
  model.add(LSTM(neurons, activation=activ_func))
  model.add(Dropout(dropout))
  model.add(Dense(units=output_size))
  model.add(Activation(activ_func))
  model.compile(loss=loss, optimizer=optimizer, metrics=['mae'])
  model.summary()
  plot_keras_model(model, show_shapes=True, show_layer_names=False)

训练和预测：

prediction_data = get_today_price4prediction('bitcoin', tag="BTC")
X_prediction = create_inputs(prediction_data)
X_prediction = to_array(X_prediction)
btc_history = btc_model.fit(X_train, Y_train_btc, epochs=epochs, batch_size=batch_size, verbose=1, validation_data=(X_test, Y_test_btc), shuffle=False)
predictions = btc_model.predict(X_prediction, verbose=1, steps=None)
plot_results(btc_history, btc_model, Y_train_btc, coin='BTC')
predictions = tf.math.argmax(predictions)
print(predictions)

预期的输出是一个7D numpy 数组，其值从1 到1e-7。但我不知道这些值指的是什么。有什么建议吗？

Answer 1

听起来您试图在不知道数据的情况下获得结果。永远不要这样做，你可能会得到无用的结果。

我不知道你从哪里得到数据，但那个地方应该描述目标是什么。在这种情况下，由于多维输出，它可能是一个分类目标（例如，如果您使用分类交叉熵损失，但代码中也没有说明）。如果是这种情况并且您期望的输出是一个实数，那么类别可能是这个数字的范围，输出数组中的每个值都是这个数字属于这些范围中的每一个的概率。