LSTM对股票的收益进行预测（Sequential 序贯模型，Keras实现）

前言：

本人也只是正在刚学习，如有不对欢迎指出，本文章仅做笔记记录，不作为学习参考！！！欢迎前辈们的指导。
代码链接：github仓库（其中描述有更详细的步骤和实验）

步骤：

• 股票数据准备

• 股票数据预处理

  • 数据特征归一化（标准化）

    使用scikit-learn库中的MinMaxScaler预处理类实现数据集的规范化

  • 将数据集转化为有监督学习问题

    在实验中，定义一个名为series_to_supervised() 函数，该函数采用单变量或多变量时间序列并将其构建为监督学习数据集。

• 股票数据划分为训练集和测试集

  将处理后的数据集划分为训练集和测试集。本实验将按0.85比划分数据作为测试集，其余作为训练集。将训练集和测试集的最终输入（X）转换为为LSTM的输入格式，即[samples,timesteps,features]。

  Keras LSTM层的工作方式是通过接收3维（N，W，F）的数字阵列，其中N是训练序列的数目，W是序列长度，F是每个序列的特征数目。