算法项目（1）—— LSTM+CNN+四种注意力对比的股票预测

本文包含什么？

• 项目运行的方式（包教会）
• 项目代码（在线运行免环境配置）
• 不通注意力的模型指标对比
• 一些效果图
• 运行有问题? csdn上后台随时售后.

项目说明

本项目实现了基于CNN+LSTM构建模型，然后对比不同的注意力机制预测股票走势的效果。首先看一下模型结果的对比：

模型	MSE
CNN + LSTM	0.00011371035229372369
CNN + LSTM + ECA	0.0001245921911587092
CNN + LSTM + SE	0.00009550479312152179
CNN + LSTM + HW	0.00041322291971565306
CNN + LSTM + CBAM	0.0003162174993617968

这个MSE表示误差，误差越小则越好，所以可以看出CNN + LSTM + SE 的效果是最好的。
本文预测的目标是股票的high，目前的代码逻辑是用前5天的high的值预测第6天high的值，如下图：

几种