试图了解如何解释 LSTM 神经网络的“准确度分数”输出

Question

我一直在使用基本的 LSTM 神经网络来探索其预测股市行为的能力，而我围绕它构建的特定代码会产生一个我不完全理解如何解释的准确度得分。它输出一个介于 0 和 1 之间的值，但我不知道如何向某人解释它的好坏以及原因。

任何帮助将不胜感激！

这是计算准确度分数的函数：

def accuracy(model, data):
    y_test = data["y_test"]
    X_test = data["X_test"]
    y_pred = model.predict(X_test)
    y_test = np.squeeze(data["column_scaler"]["Close"].inverse_transform(np.expand_dims(y_test, axis=0)))
    y_pred = np.squeeze(data["column_scaler"]["Close"].inverse_transform(y_pred))
    y_pred = list(map(lambda current, future: int(float(future) > float(current)), y_test[:-LOOKUP_STEP], y_pred[LOOKUP_STEP:]))
    y_test = list(map(lambda current, future: int(float(future) > float(current)), y_test[:-LOOKUP_STEP], y_test[LOOKUP_STEP:]))
    return accuracy_score(y_test, y_pred)

print(str(LOOKUP_STEP) + ":", "Accuracy Score:", accuracy(model, data))

Answer 1

来自scikit-learn's documentation，您在此处计算的准确度分数是“正确预测的分数（默认）或计数（标准化=假）”。