理解 LSTM – 第7部分：使用真实数据的 LSTM 实战

Source: Dev.to

引言

在上一篇文章中，我们完成了 LSTM 的三个阶段：遗忘门、输入门和输出门。
现在，让我们使用真实数据来运行 LSTM。

数据概览

• 公司
  • 公司 A
  • 公司 B
• 坐标轴
  • Y 轴： 股票价值
  • X 轴： 记录价值的日期

当两家公司的数据重叠时，唯一的差异出现在 第 1 天 和 第 5 天 之间。

公司 A 的 LSTM 处理

我们将 第 1 天 到 第 4 天 的数据依次输入展开的 LSTM，观察它是否能够正确预测 第 5 天 的价值。

1. 初始化 长期记忆和短期记忆为零。
2. 使用简化示意图（定期显示）保持清晰的概览。

第 1 天

• 输入值：0
• 计算后：
  • 新的长期记忆：(C_1 = -0.20)
  • 新的短期记忆：(h_1 = -0.13)

第 2 天、 第 3 天、 第 4 天

• 将当天的值代入并重复相同的过程。

处理完 第 4 天 后，最终的短期记忆为：

[ h_4 = 0 ]

这意味着展开的 LSTM 输出正确预测了 公司 A 在 第 5 天 的价值。

公司 B 的 LSTM 处理

我们使用 公司 B 的数值重复完全相同的过程。

在将 第 1 天 到 第 4 天 依次输入 LSTM 后，最终的短期记忆为：

[ h_4 = 1 ]

这正确预测了 公司 B 在 第 5 天 的价值。

结论

本篇文章结束了我们对 LSTM 的讨论。接下来的文章我们将转向 词嵌入（Word Embeddings） 和 Word2Vec。

Installerpedia

想要更轻松地安装工具、库或整个代码仓库吗？

Installerpedia 是一个社区驱动、结构化的安装平台，让你几乎可以毫不费力、并且得到清晰可靠的指导来安装任何东西。

ipm install repo-name

… 完成！ 🚀

🔗 在此探索 Installerpedia