基于TensorFlow+LSTM的时间序列预测

Batch大小为500,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为76.86。

得分记录
2020-08-06

Batch Size 数据为 500 ,Epoch循环次数为 500 次, 通过在线上环境完成训练,模型最优精度评分为 76.86 。

20:54:36

Batch Size 数据为 500 ,Epoch循环次数为 500 次, 通过在线上环境完成训练,模型最优精度评分为 65.39 。

20:37:39

Batch Size 数据为 500 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 62.11 。

20:08:35

Batch Size 数据为 500 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 53.01 。

19:54:04

Batch Size 数据为 500 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 24.46 。

19:45:32

Batch Size 数据为 500 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 50.52 。

19:36:16

Batch Size 数据为 500 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 55.88 。

19:28:32

Batch Size 数据为 500 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 61.58 。

16:09:48

Batch Size 数据为 500 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 51.21 。

15:14:06

Batch Size 数据为 500 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 64.57 。

14:57:38

Batch Size 数据为 500 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 69.02 。

14:49:29
2020-08-05

Batch Size 数据为 500 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 67.92 。

15:15:58

Batch Size 数据为 500 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 66.61 。

14:43:40

Batch Size 数据为 500 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 28.61 。

14:30:46

Batch Size 数据为 500 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 16.99 。

13:50:56
2020-08-04

Batch Size 数据为 500 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 37.45 。

19:01:20

Batch Size 数据为 500 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 9.69 。

18:53:22

Batch Size 数据为 500 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 0 。

17:47:52

Batch Size 数据为 500 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 37.59 。

17:43:38

Batch Size 数据为 500 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 44.42 。

17:26:55
2020-08-02

Batch Size 数据为 500 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 0 。

17:34:01