时间序列预测 | Python实现CNN-LSM模型时间序列预测

41 篇文章 238 订阅 ¥29.90 ¥99.00
25 篇文章 226 订阅 ¥29.90 ¥99.00
本文通过Tensorflow构建了一个基于CNN-LSTM的股票价格预测模型,将股票数据转化为2D图像进行CNN特征提取,然后用LSTM进行时序建模。模型通过64个filter、Relu激活、max-pooling和dropout防止过拟合。虽然简单,但展示了数据处理、模型构建和评估的基本流程,为进一步改进提供了思路。
摘要由CSDN通过智能技术生成

时间序列预测 | Python实现CNN-LSM模型时间序列预测

基本介绍

这篇文章将带大家通过Tensorflow框架搭建一个基于CNN-LSTM的简单股票价格预测模型,这个模型首先是将一个窗口的股票数据转换为一个2D的图像数据,然后通过CNN进行特征提取。
文中,通过64个filter来进行特征提取,之后通过Relu函数进行激活,接着通过max-pooling进行池化处理,最后加入了概率为0.3的dropout来防止过拟合。最后输出一段序列作为后面LSTM的输入。然后通过LSTM对得到的feature map进行时序建模。
1
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,例如特征提取部分选择更有意义的特征等。

环境准备

  • 本地环境:
Python 3.7
IDE
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

前程算法屋

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值