Ich habe den Aktienkurs mit und ohne Sentiment-Score (Verbindung und Polarität) vorhergesagt. Es stellte sich heraus, dass LSTM das schlechteste Modell anstelle von Arima, SVR und Random Forest hat.
Außerdem habe ich EMA und MACD als technischen Indikator verwendet, um die Vorhersage zu verbessern, aber der Code befindet sich in der Datenvorverarbeitung.
Bei der Analyse der Metriken zeigt Mape stattdessen nur das gute Ergebnis an rmse und mse.
Irgendein Vorschlag zur Korrektur des Codes, damit lstm das beste Modell zur Vorhersage des Aktienkurses sein kann.
# Splitting to Training set and Test set (LSTM) train_size = int(len(feature_transform) * 0.8) X_train, X_test = feature_transform[:train_size], feature_transform[train_size:] y_train, y_test = output_var[:train_size].values.ravel(), output_var[train_size:].values.ravel()
# Use Early Stopping to prevent overfitting early_stopping = EarlyStopping(monitor='val_loss', patience=5, restore_best_weights=True)
# Model Training with validation split (for lstm) history = lstm.fit( X_train, y_train, epochs=100, batch_size=32, validation_split=0.1, callbacks=[early_stopping], verbose=1, shuffle=False )
# Model Evaluation on Test Data y_pred = lstm.predict(X_test)
# Plotting plt.figure(figsize=(12, 6)) plt.plot(y_test, label="True Value", color="blue") plt.plot(y_pred, label="LSTM Value", color="orange", linestyle="-") plt.title("Prediction by LSTM") plt.xlabel("Time Scale") plt.ylabel("Close Price") plt.legend() plt.show() [/code] Geben Sie hier eine Bildbeschreibung ein [code]rmse_lstm = math.sqrt(mean_squared_error(y_test, y_pred)) # Using math.sqrt print('LSTM RMSE:', rmse_lstm)
# Modified MAPE calculation for consistency with ARIMA's MAPE mape_lstm = np.mean(np.abs(y_pred - y_test) / np.abs(y_test)) print('LSTM MAPE:', mape_lstm)
LSTM RMSE: 847.6404113997011 LSTM MSE: 718494.2670378545 LSTM MAPE: 0.1648806729977154 [/code] Geben Sie hier eine Bildbeschreibung ein [list] [*]https://www.kaggle.com/datasets/aaron7sun/stocknews Dies ist der Aktiendatensatz, den ich verwendet habe. [*]Ich habe den Aktienkurs mit und ohne Sentiment-Score (Verbindung und Polarität) vorhergesagt. Es stellte sich heraus, dass LSTM das schlechteste Modell anstelle von Arima, SVR und Random Forest hat. [*]Außerdem habe ich EMA und MACD als technischen Indikator verwendet, um die Vorhersage zu verbessern, aber der Code befindet sich in der Datenvorverarbeitung. [*]Bei der Analyse der Metriken zeigt Mape stattdessen nur das gute Ergebnis an rmse und mse. [*]Irgendein Vorschlag zur Korrektur des Codes, damit lstm das beste Modell zur Vorhersage des Aktienkurses sein kann. [/list]
Ich habe eine REST -API, die mit Fastapi hergestellt wurde, die (abgesehen von dieser Ausgabe) völlig in Ordnung ist, ob lokal oder auf elastischen Beanstalken. Hintergrundaufgabe (die ungefähr 30...
Ich habe ein Problem, wenn ich die HTTP -Anforderungsklasse von Laravel verwendete. Ich habe eine einfache Routenfunktion, um den Fall zu testen. Wenn ich 2 Anfrage in 1 Funktion habe, dass das 2...
Ich implementieren in PyTorch ein LSTM-Modell, um vorherzusagen, ob der Schlusswert einer Aktie in den nächsten 5 und 10 Minuten steigen oder fallen wird.
Konkret verwende ich 5-Minuten-Daten aus 24...