- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试使用 T-time_steps 样本预测 T 天的股市走势(1=正,0=负)。我尝试过 time_steps = 20, 50, 100, 300,以下结果类似。
我有以下数据框:
Open High Low Close Volume sentiment Movement
Date
2009-01-02 51.349998 54.529999 51.070000 54.360001 7296400.0 0.084348 1.0
2009-01-05 55.730000 55.740002 53.029999 54.060001 9509800.0 0.104813 0.0
2009-01-06 54.549999 58.220001 53.750000 57.360001 11080100.0 0.185938 1.0
2009-01-07 56.290001 56.950001 55.349998 56.200001 7942700.0 0.047494 0.0
2009-01-08 54.990002 57.320000 54.580002 57.160000 6577900.0 -0.027938 1.0
以下数据帧与上面相同,使用 MinMaxScaler(feature_range=(0, 1)) 来标准化数据。
Open High Low Close Volume sentiment Movement
Date
2009-01-02 0.001402 0.002215 0.001750 0.002973 0.110116 0.591978 1.0
2009-01-05 0.003604 0.002819 0.002748 0.002823 0.148730 0.625025 0.0
2009-01-06 0.003011 0.004059 0.003114 0.004480 0.176124 0.756025 1.0
2009-01-07 0.003885 0.003424 0.003928 0.003897 0.121391 0.532468 0.0
2009-01-08 0.003232 0.003609 0.003536 0.004380 0.097581 0.410660 1.0
Train: 2263 samples
Test: 252 samples
TIME_STEPS = 300
def create_dataset(X, y, time_steps=1):
Xs, ys = [], []
for i in range(len(X) - time_steps):
v = X.iloc[i:(i + time_steps)].values
Xs.append(v)
ys.append(y.iloc[i + time_steps])
return np.array(Xs), np.array(ys)
X_train, y_train = create_dataset(train, train.Movement, TIME_STEPS)
X_test, y_test = create_dataset(test, test.Movement, TIME_STEPS)
我已经使用 keras 创建了一个小型 LSTM 模型,如上所述:
model = Sequential()
model.add(LSTM(50, input_shape=(X_train.shape[1], X_train.shape[2])))
model.add(Dense(1, activation='sigmoid'))
optimizer = optimizers.RMSprop()
monitor = EarlyStopping(monitor='val_loss', min_delta=1e-2, patience=25)
model.compile(loss='mse', optimizer='adam', metrics=['accuracy'])
history = model.fit(X_train, y_train, batch_size=batch_size, epochs=epochs, validation_split=0.1, verbose=1,shuffle=False)
model.summary()
结果似乎显示出对训练数据集的一些过度拟合,我已经尝试添加 dropout、添加更多层、增加/减少神经元数量......随着epoch的增加,训练准确率可以达到90%,没有任何问题,但验证保持不变(也是预测)。
我不明白问题出在哪里......
最佳答案
当您面临过度拟合时,可能是由以下问题之一引起的:
你可以做什么来解决这个问题?
样本数量较少:
问题的维度很高:
这些是主要方式...
就您而言,您使用 LSTM,这可能需要大量数据。您使用的数据集较小,多样性较低(样本彼此相似,因为您取回了 300 个时间戳)。
我将从一个更简单的模型(经典机器学习分类器)开始,并添加具有不同窗口大小的滚动功能(使用 pandas 滚动 - 均值、std 等...)。
关于python - 使用 LSTM Keras 的验证结果不佳,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59697380/
我有兴趣在 tf.keras 中训练一个模型,然后用 keras 加载它。我知道这不是高度建议,但我对使用 tf.keras 来训练模型很感兴趣,因为 tf.keras 更容易构建输入管道 我想利用
我进行了大量搜索,但仍然无法弄清楚如何编写具有多个交互输出的自定义损失函数。 我有一个神经网络定义为: def NeuralNetwork(): inLayer = Input((2,));
我正在阅读一篇名为 Differential Learning Rates 的文章在 Medium 上,想知道这是否可以应用于 Keras。我能够找到在 pytorch 中实现的这项技术。这可以在 K
我正在实现一个神经网络分类器,以打印我正在使用的这个神经网络的损失和准确性: score = model.evaluate(x_test, y_test, verbose=False) model.m
我最近在查看模型摘要时遇到了这个问题。 我想知道,[(None, 16)] 和有什么区别?和 (None, 16) ?为什么输入层有这样的输入形状? 来源:model.summary() can't
我正在尝试使用 Keras 创建自定义损失函数。我想根据输入计算损失函数并预测神经网络的输出。 我尝试在 Keras 中使用 customloss 函数。我认为 y_true 是我们为训练提供的输出,
我有一组样本,每个样本都是一组属性的序列(例如,一个样本可以包含 10 个序列,每个序列具有 5 个属性)。属性的数量总是固定的,但序列的数量(时间戳)可能因样本而异。我想使用这个样本集在 Keras
Keras 在训练集和测试集文件夹中发现了错误数量的类。我有 3 节课,但它一直说有 4 节课。有人可以帮我吗? 这里的代码: cnn = Sequential() cnn.add(Conv2D(32
我想编写一个自定义层,在其中我可以在两次运行之间将变量保存在内存中。例如, class MyLayer(Layer): def __init__(self, out_dim = 51, **kwarg
我添加了一个回调来降低学习速度: keras.callbacks.ReduceLROnPlateau(monitor='val_loss', factor=0.5, patience=100,
在 https://keras.io/layers/recurrent/我看到 LSTM 层有一个 kernel和一个 recurrent_kernel .它们的含义是什么?根据我的理解,我们需要 L
问题与标题相同。 我不想打开 Python,而是使用 MacOS 或 Ubuntu。 最佳答案 Python 库作者将版本号放入 .__version__ 。您可以通过在命令行上运行以下命令来打印它:
Keras 文档并不清楚这实际上是什么。我知道我们可以用它来将输入特征空间压缩成更小的空间。但从神经设计的角度来看,这是如何完成的呢?它是一个自动编码器,RBM吗? 最佳答案 据我所知,嵌入层是一个简
我想实现[http://ydwen.github.io/papers/WenECCV16.pdf]中解释的中心损失]在喀拉斯 我开始创建一个具有 2 个输出的网络,例如: inputs = Input
我正在尝试实现多对一模型,其中输入是大小为 的词向量d .我需要输出一个大小为 的向量d 在 LSTM 结束时。 在此 question ,提到使用(对于多对一模型) model = Sequenti
我有不平衡的训练数据集,这就是我构建自定义加权分类交叉熵损失函数的原因。但问题是我的验证集是平衡的,我想使用常规的分类交叉熵损失。那么我可以在 Keras 中为验证集传递不同的损失函数吗?我的意思是用
DL 中的一项常见任务是将输入样本归一化为零均值和单位方差。可以使用如下代码“手动”执行规范化: mean = np.mean(X, axis = 0) std = np.std(X, axis =
我正在尝试学习 Keras 并使用 LSTM 解决分类问题。我希望能够绘制 准确率和损失,并在训练期间更新图。为此,我正在使用 callback function . 由于某种原因,我在回调中收到的准
在 Keras 内置函数中嵌入使用哪种算法?Word2vec?手套?其他? https://keras.io/layers/embeddings/ 最佳答案 简短的回答是都不是。本质上,GloVe 的
我有一个使用 Keras 完全实现的 LSTM RNN,我想使用梯度剪裁,梯度范数限制为 5(我正在尝试复制一篇研究论文)。在实现神经网络方面,我是一个初学者,我将如何实现? 是否只是(我正在使用 r
我是一名优秀的程序员,十分优秀!