Я читал некоторое время об обучении LSTM моделей с использованием tf.keras, где я использовал ту же структуру для задач регрессии, используя простые feedforward NN архитектуры, и я прекрасно понимаю, как подготовить входные данные дляТакие модели, однако, когда дело доходит до обучения LSTM, я чувствую себя очень смущенным из-за формы ввода., number of units и т. Д. В дополнение ко многим параметрам для слоя LSTM keras, которые мне пока не понятны, как показано в следующем примере:
model.add(keras.layers.LSTM(units=3, batch_input_shape=(8,2,10), return_sequence=True, stateful= True))
Итак, у меня естьследующая структура данных форекс, где я не знаю, как правильно изменить ее форму для модели LSTM.
open | close | high | low | volume | i1 | i2 | i3 | ... | i30 | nextClose
Эти функции представляют цены открытия / закрытия / максимума / минимума определенной валютной пары, кроме тогок объему и значениям 30 различных индикаторов от i1 -> i30, все эти функции соответствуют одному такту менуэта.Кроме того, функция nextClose представляет значение цены закрытия следующего тика, которое я пытаюсь предсказать.
Q1: Может ли кто-нибудь объяснить общую концепцию формирования данных длявход, и каковы все эти обязательные параметры (шаг по времени, размер пакета ...)?
Q2: Где я думаю, что простой пример может быть хорошим, Как должна быть моя структура данныхВыше быть изменены, чтобы выглядеть как действительный ввод для LSTM?