這個(gè)學(xué)期我開始研究機(jī)器學(xué)習(xí)。我們只使用了諸如 Microsoft 的 Azure 和亞馬遜的 AWS 之類的 API,但我們還沒有深入了解這些服務(wù)的工作原理。我的好朋友是數(shù)學(xué)專業(yè)的大四學(xué)生,他讓我?guī)椭鶕?jù).csv他提供給我的文件使用 TensorFlow 創(chuàng)建一個(gè)股票預(yù)測器。我有幾個(gè)問題。第一個(gè)是他的.csv檔案。該文件只有日期和結(jié)束值,它們沒有分開,因此我不得不手動(dòng)分開日期和值。我已經(jīng)設(shè)法做到了,現(xiàn)在我在 MinMaxScaler() 上遇到了麻煩。有人告訴我,我?guī)缀蹩梢院雎匀掌?,只測試收盤值,將它們標(biāo)準(zhǔn)化,然后根據(jù)它們進(jìn)行預(yù)測。我不斷收到此錯(cuò)誤:ValueError: 找到具有 0 個(gè)樣本的數(shù)組 (shape=(0, 1)) 而 MinMaxScaler() 需要最小值為 1老實(shí)說,我以前從未使用過SKLearning和 TensorFlow,這是我第一次從事這樣的項(xiàng)目。我在該主題上看到的所有指南都使用了 Pandas,但就我而言,該.csv文件一團(tuán)糟,我不相信我可以使用 Pandas。我正在遵循本指南:但不幸的是,由于我缺乏經(jīng)驗(yàn),有些事情對我來說并不真正有效,我希望能更清楚地了解我應(yīng)該如何處理我的情況。
3 回答

躍然一笑
TA貢獻(xiàn)1826條經(jīng)驗(yàn) 獲得超6個(gè)贊
該train_data
變量具有2264的長度:
train_data = stock_value[:2264]
然后,當(dāng)你去擬合縮放器時(shí),你會(huì)train_data
在 for 循環(huán)的第三次迭代中超出 的邊界:
smoothing_window_size = 1100 for di in range(0, 4400, smoothing_window_size):
注意教程中數(shù)據(jù)集的大小。訓(xùn)練塊和測試塊的長度分別為 11,000 和smoothing_window_size
2500,因此永遠(yuǎn)不會(huì)超出train_data
的邊界。
添加回答
舉報(bào)
0/150
提交
取消