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
