如何在python中创建用于股票预测的联合模型lstm答案

【问题标题】：how to create a federated model lstm for stock prediction in python如何在python中创建用于股票预测的联合模型lstm
【发布时间】：2021-10-06 10:34:31
【问题描述】：

-我有列名 ["Date","Open","High","Close","Volume","Group"]

-i 创建了一个额外的列名“Group”来表示 ClientID

df["Group"] = ""
client_id_colname = 'Group' # the column that represents client ID
print(df)
count= 0
group = ""
for i, row in df.iterrows():
  
  if count<=3000 and count >= 0:
    group = 'A'
    df.loc[count,'Group']= group
  elif count<=6000 and count >= 3001:
    group = 'B'
    df.loc[count,'Group']= group
  elif count<=9000 and count >= 6001:
    group = 'C'
    df.loc[count,'Group']= group
  else: 
    group = 'D'
    df.loc[count,'Group']= group
  count=count + 1

print(df)

-i 还将数据拆分为train_data和test_data：

train_data = tff.simulation.datasets.ClientData.from_clients_and_fn(
        client_ids=train_client_ids,
        create_tf_dataset_for_client_fn=create_tf_dataset_for_client_fn
    )
test_data = tff.simulation.datasets.ClientData.from_clients_and_fn(
        client_ids=test_client_ids,
        create_tf_dataset_for_client_fn=create_tf_dataset_for_client_fn
    )

-从这里我如何创建一个 lstm 模型来进行联邦学习并预测“关闭”值的预测？

【问题讨论】：

标签： python machine-learning tensorflow-federated

【解决方案1】：

从这里我们需要几个步骤：

定义tff.learning.Model。在这种情况下，使用 tf.keras 定义 LSTM 模型，然后在 TFF 中使用 tff.learning.from_keras_model 可能最容易。
建立培训流程。最常用的训练过程之一是 FedAvg，它是使用 tff.learning.build_federated_averaging_process 构建的。
最后，我们需要编写一个训练脚本来执行这个过程。 tff.simulation.run_simulation 在这里可能会很有帮助。

所有这三个步骤都记录在教程Federated Learning for Text Generation 中。对create_tff_model 稍作修改，改为使用 Keras LSTM，框架大部分已经存在。构建 Keras LSTM 的示例可以在 Bidirectional LSTM on IMDB 找到。，

【讨论】：