我目前正在尝试使用 pybrain 创建一个用于股票价格预测的神经网络。到目前为止,我只使用具有二进制输出的网络。对于这些网络,sigmoid 内层就足够了,但我认为这不是预测价格的正确方法。 问题是,当我创建这样一个完全线性的网络时,我总是会收到类似的错误
RuntimeWarning: overflow encountered in square while backprop training.
我已经缩小了输入。是否是由于我的训练集的大小(每个训练集 50000 个条目)? 以前有人做过类似的事情吗?
最佳答案
尝试将 log() 应用于价格属性 - 然后将所有输入和输出缩放到 [-1..1] - 当然,当您想从网络输出获取价格时,您必须反转log() 和 exp()
关于python - Pybrain:完全线性网络,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/9340677/