Python 使用多个指标进行KERA预测

我正在使用的程序只涉及苹果股票（来自雅虎财经）的开篇专栏

基本上，我想在模型中添加其他列，以增加模型的复杂性。例如，看看当天的高点，甚至是当天的收盘点

我该怎么做呢。我是否只需更改以下代码：

regressor.add(LSTM(units = 50, return_sequences = True, input_shape = (X_train.shape[1], 1)))

到

如果是，这是否意味着我将处理后的数据集更改为：

data_training_processed = data_training_complete.loc[:, ['Open']].values

到

如果我想在模型中包含High。

它将保留

regressor.add(LSTM(units = 50, return_sequences = True, input_shape = (X_train.shape[1], 1)))

因为附加列已经由

X\u train.shape[1]

自动正确处理（将更高一个）

及

---

谢谢，那么3D矩阵，如果我们把它包括进来，第二维度会做什么呢？欢迎。这是“颜色”维度，也称为“通道”。当您的输入是不同“颜色”的叠加（例如[红色、绿色、蓝色]值或其他任何颜色。-如果答案有用，请接受并向上投票；）。这行代码

data\u total=pd.concat（（data\u training\u complete['Open'，'High'，data\u test\u complete['Open'，'High']）axis=0）出现错误

对于LSTM来说，输入形状只是表示

（时间步长、数值特性）

。OP希望增加

num_功能

，因为他试图在训练和预测中包含其他OHLC值。@Frogato是的，这是我希望的计划。我的方式正确吗？

data_training_processed = data_training_complete.loc[:, ['Open']['High'].values #adding as much as neccessary

regressor.add(LSTM(units = 50, return_sequences = True, input_shape = (X_train.shape[1], 1)))

data_training_processed = data_training_complete.loc[:, ['Open', 'High']].values