样本处理过程

def split_data(stock, lookback):
    data_raw = stock.to_numpy()
    data = []
    for index in range(len(data_raw) - lookback):
        data.append(data_raw[index: index + lookback])
    data = np.array(data)
    test_set_size = int(np.round(0.2 * data.shape[0]))
    train_set_size = data.shape[0] - test_set_size
    x_train = data[:train_set_size, :-1, :]
    y_train = data[:train_set_size, -1, :]
    x_test = data[train_set_size:, :-1]
    y_test = data[train_set_size:, -1, :]
    return [x_train, y_train, x_test, y_test]

原始数据与滑动窗口：

假设原始数据为 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]，lookback = 3，则通过滑动窗口生成的序列数据为：

[[1, 2, 3],
 [2, 3, 4],
 [3, 4, 5],
 [4, 5, 6],
 [5, 6, 7],
 [6, 7, 8],
 [7, 8, 9],
 [8, 9, 10]]

这里每一行是一个样本，每个样本包含 3 个时间步的数据。

---

划分训练集和测试集：

假设测试集占 20%，则：

• 总样本数：8
• 测试集大小：int(np.round(0.2 * 8)) = 2
• 训练集大小：8 - 2 = 6

因此：

• 训练集：前 6 个样本。
• 测试集：后 2 个样本。

---

什么是“前 6 个样本的前 2 个时间步”？

对于训练集：

• 每个样本包含 3 个时间步的数据，例如 [1, 2, 3]。
• x_train 是每个样本的前 2 个时间步，即 [1, 2]。
• y_train 是每个样本的第 3 个时间步，即 [3]。

因此：

• x_train 是从前 6 个样本中提取的前 2 个时间步：

  [[1, 2],
   [2, 3],
   [3, 4],
   [4, 5],
   [5, 6],
   [6, 7]]
  

• y_train 是从前 6 个样本中提取的第 3 个时间步：

  [3, 4, 5, 6, 7, 8]
  

---

什么是“后 2 个样本的前 2 个时间步”？

对于测试集：

• 每个样本包含 3 个时间步的数据，例如 [7, 8, 9]。
• x_test 是每个样本的前 2 个时间步，即 [7, 8]。
• y_test 是每个样本的第 3 个时间步，即 [9]。

因此：

• x_test 是从后 2 个样本中提取的前 2 个时间步：

  [[7, 8],
   [8, 9]]
  

• y_test 是从后 2 个样本中提取的第 3 个时间步：

  [9, 10]
  

---

最终划分结果：

• 训练集：
  • x_train：

    [[1, 2],
     [2, 3],
     [3, 4],
     [4, 5],
     [5, 6],
     [6, 7]]
    

  • y_train：

    [3, 4, 5, 6, 7, 8]
    

• 测试集：
  • x_test：

    [[7, 8],
     [8, 9]]
    

  • y_test：

    [9, 10]
    

---

为什么需要 x 和 y？

• x 是模型的输入特征，表示过去一段时间的数据。
• y 是模型的目标值，表示需要预测的下一个时间步的数据。
• 通过这种方式，模型可以学习从 x 到 y 的映射关系。

---

总结：

• “前 6 个样本的前 2 个时间步”是指从训练集的 6 个样本中，提取每个样本的前 2 个时间步作为 x_train。
• 同理，y_train 是从训练集的 6 个样本中，提取每个样本的第 3 个时间步作为目标值。
• 测试集的划分方式与训练集相同。

如果还有疑问，请随时提出！