关键字全网搜索最新排名

『量化投资』：排名第一

『量 化』：排名第一

『机器学习』：排名第四

我们会再接再厉

成为全网优质的金融、技术类公众号

　　作者 /mouradmourafiq

　　翻译 / 编辑部翻译组

　　来源 / https://github.com/mouradmourafiq

　　前言

这篇推文抛砖引玉的介绍如何使用循环神经网络逼近一系列向量，特别的是，j2直播，将使用LSTM架构。

根据先前的观察预测一系列实数。 传统的神经网络架构不能做到这一点，这就是为什么要复制神经网络来解决这个问题，因为它们允许存储以前的信息来预测将来的事件。

　　在这个例子中，将尝试预测一些功能：

sin

sin and cos on the same time

x*sin(x)

　　模型的建立

首先建立模型，lstm_model，该模型是不同时间步骤的堆叠lstm单元的列表，后面是一个密集层。

　　因此，我们的模型期望一个维度对应的数据（(batch size, time_steps of the first lstm cell, num_features in our data)

接下来，atv，我们以模型可以接受的方式准备数据。

这将创建一个数据，这将允许我们的模型查看time_steps在过去的次数，以进行预测。 所以如果我们的第一个单元格是10个time_steps单元格，那么对于我们想做的每个预测，我们需要为单元格提供10个历史数据点。 y值应该对应于我们想要预测的数据的第十个值。

我们首先定义超参数

现在我们可以根据我们的模型创建一个回归函数

　　预测sin函数

　　测试集

real sin function

　　一起预测sin和cos函数

　　测试集

predicted sin-cos function

　　x*sin

真实 x*sin

预测 x*sin

　　model loss

　　文档说明

　　Install and RunCreate a Virtual Environment

It is reccomended that you create a virtualenv for the setup since this example is highly dependant on the versions set in the requirements file.

　　$ virtualenv ~/python/ltsm$ source ~/python/ltsm/bin/activate(ltsm) $Install Requirements