Я пытаюсь предсказать цену акций Tesla с учетом твитов. Я пытаюсь классифицировать цену акций, повышающихся или понижающихся каждый час. Очевидно, что это очень трудно предсказать, и поэтому я получаю смешанные результаты. Кроме того, у меня нет большого набора данных для обучения, поэтому графики, как правило, немного неровные. Мне также пришлось использовать Deep Learning, так как у меня есть данные трехмерного обучения, и я хочу воспользоваться «памятью» LSTM.
Если я попробую слабую модель, она ужасно не соответствует графику точности. Однако точность валидации никогда не была такой высокой: слабая модель графика потерь .
Когда я делаю модель более мощной, точность обучения повышается, но точность проверки падает: график потерь более мощной модели .
Мой вопрос теперь состоит в том, должен ли я придерживаться более мощной модели и согласиться с падением точности val? Или модель подгонки является правильной, поскольку она имеет наибольшую точность проверки?
Кроме того, поскольку существует множество скачков в точности, могу ли я просто взять наибольший скачок точности в качестве производительности модели или в среднем, скажем, 10 лучших исполнителей.