我正在關注文章https://www.analyticsvidhya.com/blog/2018/10/predicting-stock-price-machine-learningnd-deep-learning-techniques-python/。首先，我嘗試使用文章中的數據，即https://s3-ap-south-1.amazonaws.com/av-blog-media/wp-content/uploads/2019/03/NSE-TATAGLOBAL11。 CSV。該腳本產生與文章相同的結果。然后，我嘗試從 Yahoo Finance 下載另一個數據集。數據集更大（2805 行而不是文章樣本數據集中的 1000+ 行）。但是，使用 LSTM 方法后，我會得到 nan 的損失。為什么？如何解決問題？
2 回答
回首憶惘然
TA貢獻1847條經驗 獲得超11個贊
請按照以下步驟進行：
通過分位數歸一化來歸一化您的數據。嚴格來說，在訓練數據上而不是在整個數據集上計算這種轉換。
添加正則化，可以通過增加 dropout 率或向權重添加 L1 和 L2 懲罰。L1 正則化類似于特征選擇。
如果這些仍然沒有幫助，請減小網絡的大小以減少導致訓練數據較少的網絡參數。這并不總是最好的主意，因為它會損害性能。
最后，增加批量大小，它可能會增加優化的穩定性。
添加回答
舉報
0/150
提交
取消