如何利用RNN的LSTM方法对时间序列模型进行预测？
如何利用RNN的LSTM方法对时间序列模型进行预测？
提问于 2022-07-25 14:17:08
本文试图利用RNN的LSTM模型进行股市预测。然而，在这个特定的代码片段中，我正在关注这篇文章无法理解，
predictions = model.predict(x_test)
predictions = scaler.inverse_transform(predictions)
y_test_scaled = scaler.inverse_transform(y_test.reshape(-1, 1))
fig, ax = plt.subplots(figsize=(16,8))
ax.set_facecolor('#000041')
ax.plot(y_test_scaled, color='red', label='Original price')
plt.plot(predictions, color='cyan', label='Predicted price')
plt.legend()其中x_test被输入到model.predict()中。x_test本质上是由我们试图预测的时间序列数据的值组成的。如果我们将x_test插入到model.predict()中，那么我们实际上是在输入我们要在模型中预测的值。那就是说，我们没有进行任何预测。如果是这样的话，那么本文给出的方法是错误的。我对这篇文章的结论正确吗？
为什么我们要在模型中输入x_test数据(也就是要预测的数据)来实现对未来值的预测？
回答 1
Stack Overflow用户
发布于 2022-07-26 10:12:09
在你链接的网站上，作者将他所拥有的数据分成训练数据和测试数据。在这里，他将自己的功能集定义为x_train和x_test，标签集定义为y_train和y_test。训练数据是用来训练模型的，测试数据是模型在训练过程中看不到的数据。
这些特性是您想要输入到模型中的数据，这样它就可以或多或少地预测标签。在培训过程中，你也会向你的模型展示特征和腐蚀标签，这样模型就可以了解数据是如何连接起来的，并且有希望在不过度拟合的情况下推广它。
因此，代码片段中的内容看上去并没有错，作者使用了他的一组标签，并将它们输入到模型中，这样模型就可以为其创建标签。然后，他根据真实的标签(y_test)绘制预测的标签，看看模型做得有多好。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/73110771
复制相关文章
相似问题
腾讯云开发者
