LSTM实现股票预测

• 1、传统RNN的缺点
• 2、LSTM(长短时记忆网络)
  *
• 2.1 原理
• 2.2 举例
• 2.3 Tensorflow2描述LSTM层
• 3、LSTM实现股票预测
  *
• 3.1 数据源
• 3.2 代码实现

1、传统RNN的缺点

RNN 面临的较大问题是无法解决长跨度依赖问题，即后面节点相对于跨度很大的前面时间节点的信息感知能力太弱。如下图中的两句话：左上角的句子中 sky 可以由较短跨度的词预测出来，而右下角句子中的 French 与较长跨度之前的 France 有关系，即长跨度依赖，比较难预测。

图片来源：https://www.jianshu.com/p/9dc9f41f0b29

长跨度依赖的根本问题在于，多阶段的反向传播后会导致梯度消失、梯度爆炸。可以使用梯度截断去解决梯度爆炸问题，但无法轻易解决梯度消失问题。

Original: https://blog.csdn.net/qq_43753724/article/details/124873906
Author: 别团等shy哥发育
Title: LSTM实现股票预测