我有以下的时间序列,我分为火车,瓦尔和测试:基本上,我对ARIMA和LSTM进行了关于这些数据的培训,结果完全不同,就预测而言: ARIMA:LSTM:现在,也许我是通过了,在某种程度上,测试设置为LSTM,以便表现得更好?或者LSTM仅仅是比ARIMA更好?下面是一些代码。请注意,为了在将来进行预测,在训练和预测: ARIMA代码之前,我要在我的系列中添加新的和最后的预测值:
# Create list of x train val
我正试图建立一个LSTM模型来预测股票价格。我把数据分成训练和测试两部分。我使用model.fit内部的测试数据作为validation_data。之后,我将测试数据传递给model.predict()并生成预测。model_lstm.add(LSTM(units=50, return_sequences=True))
model
我有一个有三个输入的数据集,并试图结合以前的输入值来预测X1的下一个值。因此,在这里,我试图预测下一个X1的未来价值。为了预测下一个X1,这四个输入组合会影响到。在这里,我编写了在x_train中添加和减法的代码。然后在lstm模型中运行。然后我尝试用x_test_n值预测它。但是它给了我一个错误,Error when checking input: expe