https://zhuanlan.zhihu.com/p/27112144

1.LSTM对于非平稳数据的预测效果没有平稳数据好

2.神经网络的过拟合：在训练神经网络过程中，“过拟合”是一项尽量要避免的事。神经网络“死记”训练数据。过拟合意味着模型在训练数据的表现会很好，但对于训练以外的预测则效果很差。原因通常为模型“死记”训练数据及其噪声，从而导致模型过于复杂。本文使用的沪深300的数据量不是太多，因此防止模型过拟合就尤为重要。

训练LSTM模型时，在参数层面上有两个十分重要的参数可以控制模型的过拟合：Dropout参数和在权重上施加正则项。Dropout是指在每次输入时随机丢弃一些features，从而提高模型的鲁棒性。它的出发点是通过不停去改变网络的结构，使神经网络记住的不是训练数据本身，而是能学出一些规律性的东西。正则项则是通过在计算损失函数时增加一项L2范数，使一些权重的值趋近于0，避免模型对每个feature强行适应与拟合，从而提高鲁棒性，也有因子选择的效果；(若希望在数学层面了解正则项更多知识，参考《机器学习中防止过拟合的处理方法》） 。在1)的模型训练中，我们加入了Dropout参数来避免过拟合。接下来我们尝试额外在权重上施加正则项来测试模型的表现。

最新文章

1. 这可能是史上最全的CSS自适应布局总结教程
2. windows下Emacs的安装与配置
3. EBS R12.2安装，使用的操作系统用户
4. Compound Interest Calculator3.0
5. zookeeper kazoo Basic Usage
6. 一起学习c++11——c++11中的新语法
7. pycharm中的快捷键和简单设置
8. Python爬取百度贴吧
9. 算法手记（2）Dijkstra双栈算术表达式求值算法
10. nginx按日期分割日志
11. git初始化项目 以及 git常用操作
12. Django高级篇一RESTful架构及API设计
13. jqgrid 主键列的设定
14. npm模块之http-proxy-middleware使用教程（译）
15. Windowd系统下Eclipse CDT+MinGW快速搭建C/C++开发环境
16. Threejs 开发3D地图实践总结【转】
17. vivado 的调试工具ILA抓到的波形可以保存
18. 回调形成树形结构tree
19. 七、EnterpriseFrameWork框架基础功能之字典数据配置管理
20. 看jquery3.3.1学js类型判断的技巧

热门文章

1. Java技术面试汇总
2. Appium基础三：Appium实现原理
3. Flash图表控件FusionCharts如何高亮显示数据
4. Linux Shell流程例子
5. winform ListView创建columnHeader的方法
6. ZOJ 3469 Food Delivery （区间DP，经典）
7. jquery的uploadify插件实现的批量上传V3.2.1版
8. 2004: C语言实验——数日子（数组）
9. MySql下最好用的数据库管理工具是哪个
10. Spring中c3p0连接池的配置 及JdbcTemplate的使用 通过XML配置文件注入各种需要对象的操作 来完成数据库添加Add（）方法