安裝相依套件
pip install -r requirements.txt
運行主程式
python trader.py --training training_data.csv -- testing testing_data.csv --output output.csv
長短期記憶模型,主要用於時間序列資料的預測,可以把連續的資料集切隔成一個個連續的窗格來進行趨勢預測,本專案將窗格大小設定為3,這意味著可運用前三日的資料來預測隔日的資料。
使用IBM股票的歷史資料來當訓練集,資料欄位依序分別為「開盤價」、「當日最高價」、「當日最低價」、「收盤價」。而我們使用「開盤價」最為模型所需的「ytrain欄位」,而把每日開盤價切割成一個一個窗格作為模型所需的「xtrain欄位」,再丟入模型進行訓練。
- Batch_size設定為 30
- Epochs設定為100
- Kernel_initializer使用glorot_uniform
我們從IBM股票的歷史資料中,最後的20筆資料作為我們的驗證集,最終模型預測出來的結果經RMSE的計算後可得到1.21,圖表則如下所示: