lstm 损失降不下去_LSTM项目实践（二）——预测印度卢比(INR)汇率趋势

接着上次的验证LSTM模型的性能

参数设置（hidden unit=15, Adam， N=5， earlystop策略， 单层）

结果：

1. LSTM的解不稳定，多次运行结果不一致。
2. LSTM的性能不如ANN， 最多达到r2_score=0.966，但比SVR要好
3. earlystop策略挺不错，通常10个迭代左右就停止了，说明该数据集容易过拟合

# 5. LSTM模型的预测结果：

#5.1 准备LSTM的数据（samples, time-lag, features)
X_tr_t = X_train.reshape(X_train.shape[0], N, 1)
X_tst_t = X_test.reshape(X_test.shape[0], N, 1)

#5.2 构建LSTM模型
K.clear_session()
model_lstm = Sequential()
model_lstm.add(LSTM(units=30, input_shape=(N, 1), activation='relu', kernel_initializer='lecun_uniform', return_sequences=False))
model_lstm.add(Dense(1))
model_lstm.compile(loss='mean_squared_error', optimizer='adam')

#这里用了早停方法
early_stop = EarlyStopping(monitor='loss', patience=5, verbose=1