lstm 损失降不下去_LSTM项目实践（二）——预测印度卢比(INR)汇率趋势

weixin_39851307

于 2020-12-25 11:37:32 发布

阅读量838

点赞数

CC 4.0 BY-SA版权

文章标签： lstm 损失降不下去

本文链接：https://blog.youkuaiyun.com/weixin_39851307/article/details/112071220

本文探讨了在使用LSTM预测印度卢比(INR)汇率趋势时遇到的问题，包括损失函数难以降低和模型性能。设置隐藏单元为15，采用Adam优化器，N=5，以及早停策略。尽管LSTM表现不如ANN，但优于SVR，最佳r2_score达到0.966。早停策略在大约10次迭代后能有效防止过拟合。训练损失(RMSE)曲线揭示了模型行为。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

接着上次的验证LSTM模型的性能

参数设置（hidden unit=15, Adam， N=5， earlystop策略，单层）

结果：

LSTM的解不稳定，多次运行结果不一致。
LSTM的性能不如ANN，最多达到r2_score=0.966，但比SVR要好
earlystop策略挺不错，通常10个迭代左右就停止了，说明该数据集容易过拟合

# 5. LSTM模型的预测结果：

#5.1 准备LSTM的数据（samples, time-lag, features)
X_tr_t = X_train.reshape(X_train.shape[0], N, 1)
X_tst_t = X_test.reshape(X_test.shape[0], N, 1)

#5.2 构建LSTM模型
K.clear_session()
model_lstm = Sequential()
model_lstm.add(LSTM(units=30, input_shape=(N, 1), activation='relu', kernel_initializer='lecun_uniform', return_sequences=False))
model_lstm.add(Dense(1))
model_lstm.compile(loss='mean_squared_error', optimizer='adam')

#这里用了早停方法
early_stop = EarlyStopping(monitor='loss', patience=5, verbose=1)
history_model_lstm = model_lstm.fit(X_tr_t, Y_train, epochs=200, batch_size=32, verbose=1, shuffle=False, callbacks=[early_stop])

#预测结果
y_pred_test_lstm = model_lstm.predict(X_tst_t)

r2_test