热门标签
热门文章
- 1Linux——动静态库的制作及使用与动态库原理_linux 静态库和动态库的使用
- 2openai/gym中的图像预处理_opengait代码详解
- 3使用模拟退火算法优化XGBoost超参数：如何高效地在Python中找到机器学习算法的最佳超参数组合_xgboost算法参数优化策略
- 4数字经济的蓬勃发展：Web3的崛起
- 5Kafka知识总结及面试题_kafka under-replicated _consumer_offset
- 6AI绘画 | Stable Diffusion 图片背景完美替换_stable diffusion 背景 替换
- 7【如今IP训练营】招募，复制我的赚钱模式，小白也能月入10万+
- 8二叉树转换为双向链表(C++)_请实现将二叉搜索树(bst)转换为双向链表(double-linked list)c++
- 9算法题解：岛屿的数量（JAVA代码）_岛屿数量java
- 10Git 工作原理_git工作原理
当前位置: article > 正文
经济数据预测 | Python实现CNN-LSTM股票价格预测时间序列预测_基于 cnn-lstm 混合模型的股价 预测
作者：我家小花儿 | 2024-04-21 14:34:54
赞
踩
基于 cnn-lstm 混合模型的股价 预测
经济数据预测 | Python实现CNN-LSTM股票价格预测时间序列预测
基本介绍
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。
具体地，定义一段股票序列为：
其中，每个x是一个m维的向量，这样得到的就是一个r乘m的矩阵形式，因此对于这个矩阵可以通过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。
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/我家小花儿/article/detail/463511
推荐阅读
相关标签
