时间序列预测 | Python实现CNN-LSM模型时间序列预测

时间序列预测 | Python实现CNN-LSM模型时间序列预测

目录

    • 时间序列预测 | Python实现CNN-LSM模型时间序列预测
      • 基本介绍
      • 环境准备
      • 程序设计
      • 数据处理
        • 模型搭建
        • 结果分析
        • 模型评估
      • 总结

基本介绍

这篇文章将带大家通过Tensorflow框架搭建一个基于CNN-LSTM的简单股票价格预测模型,这个模型首先是将一个窗口的股票数据转换为一个2D的图像数据,然后通过CNN进行特征提取。
文中,通过64个filter来进行特征提取,之后通过Relu函数进行激活,接着通过max-pooling进行池化处理,最后加入了概率为0.3的dropout来防止过拟合。最后输出一段序列作为后面LSTM的输入。然后通过LSTM对得到的feature map进行时序建模。

你可能感兴趣的:(时间序列分析(Python),深度学习算法,机器学习算法,python,深度学习,lstm,cnn)