《表2 混淆矩阵：基于特征选择的RF-LSTM模型成分股价格趋势预测》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于特征选择的RF-LSTM模型成分股价格趋势预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文构建的LSTM模型，是在windows操作系统下搭建GPU版本的keras框架，基于Python语言环境。考虑到对股票价格进行预测，本文选取均方误差（MSE）作为损失函数，适应性矩估计（Adam）作为优化器，Adam优化器是由Kingma和Ba于2015年提出的算法[11]，也是目前最常用的算法。LSTM模型在冯宇旭和李裕梅（2019)[12]的实验基础上，结合本文的数据特点，经过多次实验调整，最终选择最优参数设置。模型单次训练样本个数均设置为30，调整模型训练次数，使模型的损失稳定在0.001左右，隐藏神经元个数设置为10个，时间步设置为20，即使用以往20组的数据预测下一组数据。模型的预测评价指标选准确率（Accuracy）和F1值来进行评价，公式如式（8）至式（11）所示，其意思如表2所示。