零、引言

這篇是修正前面幾篇的結果並統整

• 第一篇 : 暴力LSTM模型實測-你是在跟我開玩笑嗎?
• 第二篇 : 暴力輸入資料實測-單純的我被嘲諷了
• 第三篇 : 暴力拔掉do_nothing類別-期待的我被侮辱了

說認真，當初看到這三篇的結果時，真的打擊han大耶，這真的跟我想得不一樣，看完結果後本來沒有想要繼續第四篇的Orz

好險好奇心旺盛的我，今天挑戰我原本第四天要實測的內容過程中，發現了一個超級天大無敵白癡的bug，讓我與各位分享分享這個bug吧XD

一、誰摔死了我的預測結果

事情是這樣的，當初我在建立dataset的時候，有遇到這個問題

RuntimeWarning: divide by zero encountered in double_scalars
RuntimeWarning: invalid value encountered in multiply

當初我很重視這個問題，因為我很明確知道這個絕對會影響到我的結果，所以爬了一下文，並「的確有修復這個問題」

很好啊? 所以怎麼了?

重點來了，因為是在np計算中出現的，我為了這個而特別使用np.where函數來幫助運算，但龜毛如我，認為如果在np.array裡面有處理好的話我就可以不用耗這個計算了呀!

• 於是我上網爬文，看到某留言說np.array在遇到這樣的情況下會幫你直接輸出成0

我信了這說法
我信了這說法
我信了這說法

所以看到這裡，各位知道我遇到什麼問題了嗎?

作者你也太不專業了吧~

其實我還有特別去查過，keras在訓練時，如果遇到nan也就是一般divide by 0的值時，是無法有loss數值的，但我的LSTM可以正常訓練，所以我才放心地讓它去 (真的去了...

那你怎麼發現的啦?

我今天在準備我的「暴力系列」最終章時，因為會用到比較特殊的網路處理資料，所以在處理過程中，該網路就是出現loss為nan，此時我才確定了問題點...而且後來想想LSTM的loss永遠都是以1來傳遞，所以一定會有loss (哀~誰能想到Orz
話就說到此，我們來看看真實的結果吧!

二、結果

第一篇 : 暴力LSTM模型實測

• 樣本總數
  • 1500
• 訓練樣本
  • 300
• LOSS
  • 

測試樣本	結果
500
750
1000
1500

第二篇 : 暴力輸入資料實測

• 總樣本數
  • 1901
• 訓練樣本
  • 1500
• LOSS
  • 
• 選擇epoch
  • 50

測試樣本	結果
1800
1750
1700
1650
1600
1550

第三篇 : 暴力拔掉do_nothing類別

• 樣本總數
  • 1901
• 訓練樣本
  • 1500
• LOSS
  • 

測試樣本	結果
1800
1750
1700
1650
1600
1550

三、結果討論

挖屋~看起來正經多了 !! (拜託我都快哭了

以下我大概統整了一下我認為的優缺點 :

上方是我的小小統計，這也是我所預期的 (嗚嗚嗚...
從「第二篇」和「第三篇」的缺點下手，這也是我在上一篇所說，我們期望能夠預測「趨勢」。 整理就先到這邊吧! 程式碼都在那三篇的底部XD 無聊可以玩玩。 暴力系列剩下最後一篇，能不能明天更呢? 我也不知道XD