Python 3.x Kera LSTM输入与输出的对应关系

我试图借助投资者情绪和之前的股价来预测股价

数据帧的头部如下所示：

time_p               close    sent_sum  output
2007-01-03 10:00:00  10.837820  0.4   10.6838
2007-01-03 11:00:00  10.849175  0.6   10.8062
2007-01-03 12:00:00  10.823942 -0.3   10.7898
2007-01-03 13:00:00  10.810063 -0.2   10.7747
2007-01-03 14:00:00  10.680111  0.1   10.7078

我如何预处理数据？

上面的df包含股票数据，其中，

time\u p

是每小时的日期时间（不包括在模型中），它与每小时的收盘价

close

共同响应，

发送的金额

是发票人情绪，

输出

是模型的

标签

<代码>输出随着

df.output.shitf（-8）

向上移动换句话说，我想根据-7小时

收盘

（价格）加上-7小时

发送的金额

（投资者哨兵）预测未来的+1小时

我正在尝试适合这样的模型：

我的问题：我怀疑，一旦我真的将标签数据移动了-7个点，在未来的时间段内将当前输入与+7小时相匹配，是否可以写入

train=scaled_y[：14000]。在
（2000,7,1）形状中重塑（2000,7,1）#train_y
，或者我正在做一些工作


其次，我对keras_lstm如何将输入与标签匹配感到困惑，我的意思是输入_形状是如何工作的
有什么适合这种型号的好方法吗？请推荐。
我将感谢你的帮助

您可以在
scaled\u x
和
scaled\u y

我使用toy dataset显示了一个示例，这里的数据和标签最初是形状（（150,4），（150，）），使用以下脚本：

seq_length = 10
dataX = []
dataY = []
for i in range(0, 150 - seq_length, 1):
    dataX.append(data[i:i+seq_length])
    dataY.append(labels[i+seq_length-1])
import numpy as np
dataX = np.reshape(dataX, (-1, seq_length, 4))
dataY = np.reshape(dataY, (-1, 1))
# dataX.shape, dataY.shape

Output: ((140, 10, 4), (140, 1))

如本例所示，您可以使用
7
days数据创建序列，目标为第二天

Keras LSTM层预计输入为3 dims（批次大小、序列长度、输入dims），如下所示

注意：
batch\u size
不用于定义层，模型将在
fit
时填充自身。如果我是对的，您正在尝试根据最近7个历史预测下一个小时的股价？
是。这就是我正在尝试的
seq_length = 10
dataX = []
dataY = []
for i in range(0, 150 - seq_length, 1):
    dataX.append(data[i:i+seq_length])
    dataY.append(labels[i+seq_length-1])
import numpy as np
dataX = np.reshape(dataX, (-1, seq_length, 4))
dataY = np.reshape(dataY, (-1, 1))
# dataX.shape, dataY.shape

Output: ((140, 10, 4), (140, 1))

input_dims = # an integer
seq_length = #an integer
model = Sequential()
model.add(LSTM(128, activation='relu', input_shape=(seq_length, input_dims), return_sequences=True))