為什麼這篇pytorch cnn範例鄉民發文收入到精華區：因為在pytorch cnn範例這個討論話題中，有許多相關的文章在討論，這篇最有參考價值！作者miwuz (ibike)看板DataScience標題[問題] lstm時間序列預測問題 py...
作業系統:(ex:mac,win10,win8,win7,linux,etc...)
windows
問題類別:(ex：ML,SVM,RL,DL,RNN,CNN,NLP,BD,Vis,etc...)
LSTM
使用工具:(ex:python,Java,C++,tensorflow,keras,MATLAB,etc...)
python
問題內容:
根據網路上的範例
https://stackabuse.com/time-series-prediction-using-lstm-with-pytorch-in-python/
把他的data換成匯率然後訓練模型，但是預測出來的匯率是一條直線，如下圖
https://imgur.com/tg2zoCW
想請問各位大大，是model訓練太少還是我的code出現問題呢，
這是我第一次練習神經網路，希望各位大大給我一些提示，
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.4.209 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1603013614.A.E48.html
※ 編輯: miwuz (140.112.4.209 臺灣), 10/18/2020 17:36:15
※ 編輯: miwuz (140.112.4.209 臺灣), 10/18/2020 17:37:23
→ miwuz: 如果發文格式不符合請再告知我會馬上修改，這個問題已經苦10/18 17:38
→ miwuz: 惱兩天了qq 10/18 17:38
推 wtchen: 你的假設為何？匯率會有週期性波動還是持續上升/下降？10/18 18:00
→ wtchen: 這兩個假設我怎麼想都不成立阿10/18 18:00
→ miwuz: 原本是設想匯率會有週期性，所以是匯率預測不能使用lstm的10/18 18:31
→ miwuz: 模型嗎～10/18 18:31
→ miwuz: 再補充我上面的問題，lstm只能預測有週期性的資料結構嗎，10/18 18:35
→ miwuz: 如果有突然上升下降就不行了嗎 10/18 18:35
推 wtchen: lstm是用以前累積的資料來預測之後的趨勢。 10/19 00:14
→ wtchen: 可是匯率這種東西....為何會有週期性？ 10/19 00:14
→ wtchen: 老實說我看不懂你在做啥 10/19 00:16
→ wtchen: 你的參考範例用的樣本有明顯的趨勢與週期性 10/19 00:17
→ wtchen: 但你的匯率看不出來啊 10/19 00:17
推 supremexiii: 會不會是loss function使用mse 導致誤差被縮小？ 10/19 02:19
→ yoyololicon: 怎麼我看十個新手 就有九個一開始就做金融相關 10/19 07:39
→ yoyololicon: 沒別的好做了嗎XD 10/19 07:40
推 goldflower: 大家都想賺錢阿 但是我覺得賺不到XD 10/19 13:29
→ miwuz: 回應9樓w大，因為在網路上爬文有看到如果突然有峰值的趨勢 10/19 17:04
→ miwuz: 好像也使用lstm，所以才會詢問lstm模型是不是有限制規律性 10/19 17:04
→ miwuz: ～ 10/19 17:04
→ miwuz: 謝謝S大給我一個方向～不過試過其他loss也是差不多的結果xd 10/19 17:06
→ miwuz: Yoyo大與gold大，因為本身還在讀書，本身系所也與這方面較 10/19 17:07
→ miwuz: 為相關，跟賺錢與否應該是沒什麼關係～ 10/19 17:07
→ hippo130: 應該說 當然賺錢是一回事 大家都想賺錢 但我覺得金融相 10/22 01:15
→ hippo130: 關的是每天都會有新的資料可以取得 在取得資料上是最為 10/22 01:15
→ hippo130: 方便的 10/22 01:16
→ hippo130: 而常見的時間序列資料 要不就是sensor 或是機台 可是都 10/22 01:18
→ hippo130: 很難取得 再不然就是拿過去人家蒐集好的資料來練習 可是 10/22 01:18
→ hippo130: 這樣就沒有練習到蒐集資料的流程例如爬蟲等等的 也比較 10/22 01:18
→ hippo130: 沒有新鮮感 10/22 01:18
※ 編輯: miwuz (61.230.200.95 臺灣), 10/23/2020 21:47:31