nlp时序模型股价预测的基本思路（持续更新）

我觉得在学习时序预测的时候应该先了解它的思路
1.获取数据（很重要）
个人认为获取数据，包括数据的质量，类型，维度，以及精度，对我们模型的训练都十分重要。

2.数据划分
为什么要单独列出来，因为一般都是先划分完数据集再进行标准化，不然先标准化再划分会造成数据泄露。因为我们没有把我们所要去预测的那一列（label）去剔除，所以我们标准化的时候取值会把我们要预测的哪一列特征（label）带进去，这下就会造成数据泄露

3.标准化（归一化）
标准化的类型有哪些？
最常用的是最大最小均值归一化。
请大家理解 train，val, test这三个集合的区别后在看。
注意的是train集和val集要分别标准化，但是我们的test集不用标准化，因为我们得到通过标准化得到我们预测后的数据，再和我们的test集的数据进行对比，进行性能评估。
对于损失函数我们预测用mse，分类用交叉熵

4.创建参数和对应的自定义数据集
也就是我们的模型能看到以前多少条数据。也就是seq_len，拿informer为例子就是多少天的数据，比如32就是一个月，64两个月，拿这两个月去预测我们未来多少天的数据。相当于pre_len。通过这些参数我们去创建滑框数据。

5.正式的创建训练模型测试
但是要注意的是，就是在自己的loss计算的时候自己的维度要对齐进行参数计算，比如我用五天数据预测后1天的数据，那么你传入训练的时候应该要遮住前五天的数据进行取值，然后验证的时候需要取后五天进行算测试。