Keras深度学习实战（32）——基于LSTM预测股价
0. 前言
股价预测是时间序列预测中最具挑战性的问题之一，研究股价预测问题具有重要的理论意义和应用价值。大多数有关股价预测的技术分析都依赖于历史模式，鉴于循环神经网络 (Recurrent neural networks, RNN) 模型就是通过考虑历史数据来做出决策，因此，RNN 模型非常适合做金融时间序列的预测。同时，长短时记忆网络模型长短时记忆网络 (Long Short Term Memory, LSTM) 模型预测股价的误差值比 RNN 要小，因此选择 LSTM 模型预测金融时间序列更合适。
1. 模型与数据集分析
转载：https://blog.csdn.net/LOVEmy134611/article/details/127582787
查看评论