方案
- 序列模型+回归预测
- 序列的输入就是某个券商N个季度的占比,然后额外增加两个ID特征分别是券商ID和季度ID,label就是下个季度的占比,然后测试集的时候,每个券商预测一遍,每个券商的占比就出来了,这些占比需要再做个归一化,因为要求加起来要100%
- 多分类任务
- 网络结构不用动就行,就把它当成一个多分类的任务
- Softmax做最后一层的输出
- 所有券商名称+年度季度+当季所有券商对应占比作为输入
- 使用Softmax回归将神经网络输出转成概率分布
开源项目
项目运行的时候有一些版本问题
AttributeError: module ‘tensorflow‘ has no attribute ‘variable_scope‘
解决办法:
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
#用上面替换下面
import tensorflow as tf
将 TF1.x 代码迁移到 TensorFlow 2.0(tensorflow2.0官方教程翻译)