То что я скинул выше как-раз может это делать, лол. Если заработает офк

Только точность на уровне гадалки

Я писал бота, на дальней дистанции проще головой подумать. А на близкой в интервале часа и без нейронок все предсказывается, главное правила настроить.

Но все это работает только при стабильной волотильности.

Короче говоря. Если предсказываем Y на основе X, нужно быть уверенным в том, что Y вообще зависит от X. Если зависит, то можно получить что-то разумное. Если не зависит, то получить не получится. В случае всяких  ценных бумаг/битков и прочего, есть влияние внешних факторов, которое может даже перевесить влияние прошлой истории. Самый просто пример: можно сколько угодно долго предсказывать цену акций некоторой авиакомпании, но когда упадет самолет, он потянет за собой и цену акций. А нейронка вобще не будет ничего знать ни о каких самолетах

А известно-то где падает? Чего в отладчике видно?

Я выше писал, там. Всё равно осилю

> Т.е. оно, как я понимаю, ещё до модели дойти не успевает.
Ну так себе определённость :)

Dimension Reduction с помощью AE - сколько это хороший реконстракшен лосс ?
Сколько это маленький dimension от оригинального ?
и как регулируется трейд офф между ними, чисто эксперементально, что даст мне лучшие результаты ?

у меня например 0.07, но думал может увеличить немного output dimension чтобы еще немного снизить лосс.

спрашиваю о том, есть ли какие то пальцевые показатели, типо 0.01 от оригинальной размерности, 0.01 лосса и т.д

к чему стремиться

Так, вызывает антирес, не пробовали ли указать в LSTM(144, return_sequences=True), параметр input_shape?

ребята с минска, тут возможно странный вопрос, но имеет место быть, на минск приходится примерно 15.5  вакансий, пожалуйста, подскажите, что вы думаете на этот повод? Как жить джууну), спасибо!

Пробовал, не помогло

Что значит не помогло? Сообщение поменялось?

Нет, если бы поменялось, то помогло бы :)

Чего в отладчике видно? На какой строке падаем?

На строке с фитом. Я уже на сегодня потушился, помню что data_library.py (не точно) был в стек-трейсе.

На x или на validation_data?

Не с Минска, но имхо английский прокачивать.