但是我一直在尝试使用它一段时间。我看过很多关于如何使用 Keras 构建 LSTM 模型以及人们如何输入输入并获得预期输出的指南。但我从未见过的是，例如股票数据，我们如何使 LSTM 模型理解不同维度之间的模式，比如说收盘价远高于正常水平，因为交易量很低。
重点是，我想用股票预测做一个测试，但要使每个维度不依赖于以前的时间步长，但也依赖于它的其他维度。
对不起，如果我没有正确提问，如果我没有解释清楚，请提出更多问题。
首先：如果您输入的特征可以对预测输入提供一些直接的直觉，则回归器将复制，这可能是为了确保误差最小化，而不是试图实际预测它。尝试专注于二元分类或多类分类，无论收盘价上涨/下跌还是上涨多少。
第二：始终设计原始特征，以便为 ML 算法提供更明确的模式。将输入视为交易量(t( - 交易量(t-1(，收盘价(t(^2 - 收盘价(t-1(^2，技术指标(RSI，CCI，OBV 等(创建您自己的功能。您可以使用 pyti 库来获取技术指标。