时间序列预测 | Pytorch实现Transformer模型时间序列预测
基本介绍
Transformer 是 Google 的团队在 2017 年提出的一种 NLP 经典模型,现在比较火热的 Bert 也是基于 Transformer。Transformer 模型使用了 Self-Attention 机制,不采用 RNN 的顺序结构,使得模型可以并行化训练,而且能够拥有全局信息。这篇文章的主要是通过Pytorch框架搭建一个基于Transformer的预测模型。
- 具体地,我们用到了上证指数的收盘价数据为例,进行预测t+1时刻的收盘价。需要注意的是,本文只是通过这样一个简单的基本模型,带大家梳理一下数据预处理,模型构建以及模型评估的流程。
- 模型还有很多可以改进的地方,例如选择更有意义的特征,如何进行有效的多步预测等。
环境配置
- 本地环境:
Python 3.7
IDE:Pycharm
- 库版本:
numpy