Python 使用经过训练的张量流模型（LSTM-RNN）进行未来预测

我对如何告诉我的

RNN-LSTM模型生成未来值存在问题。我认为我需要将值附加到“输入”中，以便
X_test
扩展到我的测试数据集之外并扩展到未来，但是我应该如何做，或者这些值应该是什么？在这里对我放松点，只是开始python/机器学习

X_test.shape=（193,60,5）
顺便说一句，在本代码末尾包含“打开、高、低、关闭、音量”值

您的问题是
时间序列分析
，是的，可以使用
LSTM
（RNN）来预测未来的预测

例如，您想要预测下一天的值，考虑到过去60天的数据，代码的重要部分是

def multivariate_data(dataset, target, start_index, end_index, history_size,
                      target_size):
  data = []
  labels = []

  start_index = start_index + history_size
  if end_index is None:
    end_index = len(dataset) - target_size

  for i in range(start_index, end_index):
    indices = range(i-history_size, i)
    data.append(dataset[indices])

    labels.append(target[i:i+target_size])

  return np.array(data), np.array(labels)

past_history = 60
future_target = 1

x_train, y_train = multivariate_data(dataset, dataset[:, 0], 0,
                                                   training_data_len, past_history,
                                                   future_target)
x_val_single, y_val_single = multivariate_data(dataset, dataset[:, 0],
                                               training_data_len, None, past_history,
                                               future_target)

请参阅此文件，其中包含多变量数据的完整代码（多列，如打开、关闭、高、低等），它预测了一个
单步
和
多步

如果您在执行过程中遇到任何错误，请联系我，我将很乐意帮助您

希望这有帮助。学习愉快
 您的问题是
时间序列分析
，是的，可以使用
LSTM
（RNN）进行未来预测

例如，您想要预测下一天的值，考虑到过去60天的数据，代码的重要部分是

def multivariate_data(dataset, target, start_index, end_index, history_size,
                      target_size):
  data = []
  labels = []

  start_index = start_index + history_size
  if end_index is None:
    end_index = len(dataset) - target_size

  for i in range(start_index, end_index):
    indices = range(i-history_size, i)
    data.append(dataset[indices])

    labels.append(target[i:i+target_size])

  return np.array(data), np.array(labels)

past_history = 60
future_target = 1

x_train, y_train = multivariate_data(dataset, dataset[:, 0], 0,
                                                   training_data_len, past_history,
                                                   future_target)
x_val_single, y_val_single = multivariate_data(dataset, dataset[:, 0],
                                               training_data_len, None, past_history,
                                               future_target)

请参阅此文件，其中包含多变量数据的完整代码（多列，如打开、关闭、高、低等），它预测了一个
单步
和
多步

如果您在执行过程中遇到任何错误，请联系我，我将很乐意帮助您

希望这有帮助。学习愉快