keras进行量化交易过程中一些摸索

１、fit_generator()的测试集的val_acc 怎么实现，当目标值使用one-hot编码，是完全正确算一次正确？能否批量测试？经过调试程序跟踪发现：程序通过调用model.evaluate()实现，默认的测试batch_size使用训练集的batch_size，当训练集batch_size为１时，batch_ous返回损失值和acc，其中acc为０，或者１，当训练集batch_size=2，返回0,0.5,1，所以为分类正确返回0,1进行统计得来，不是浮点数统计，并且可以批量测试，每批次大小就是训练集每步大小。另外发现：tf1.8自带keras默认为非eager模式，使用传统模式。
test_loop()源码相关节选如下：
batch_outs = f(ins_batch)

  if isinstance(batch_outs, list):
    if batch_index == 0:
      for batch_out in enumerate(batch_outs):
        outs.append(0.)
    for i, batch_out in enumerate(batch_outs):
      if i in stateful_metric_indices:
        outs[i] = batch_out
      else:
        outs[i] += batch_out * len(batch_ids)　#统计
  else:
    if batch_index == 0:
      outs.append(0.)
    outs[0] += batch_outs * len(batch_ids)
  if verbose == 1:
    progbar.update(batch_end)
for i in range(len(outs)):
  if i not in stateful_metric_indices:      
    outs[i] /= num_samples          #取均值

if len(outs) == 1:
return outs[0]
return outs

2、单只股票训练结果优于多只股票一起训练，batch_size没意义。
3、非归一化结果不理想，改为归一化处理，数值归一化，周期非０归一化。