在今天的實作中，我們會利用到【Day 07】RNN實作中的stock2021.csv，今天最終的結果會與一般RNN的結果做一個對比。如果還沒有看過【Day 07】的內容的話，可以先回過頭看看喔！

那LSTM實作與RNN實作差異點就在建構模型時，這次要使用LSTM而不是SimpleRNN。我們這次同樣使用keras.layers中的套件直接建構模型，完整函式的程式碼如下：

def build_model():
    model = Sequential()
    model.add(LSTM(input_shape = (10, 3), units = 256, unroll = False))
    model.add(Dense(units = 1))
    model.compile(loss = "mse", optimizer = "adam", metrics = ["accuracy"])
    
    return model

在RNN實作中我們用了plotly來展示預測結果，我們這次使用另外一種呈現方式，也就是python鼎鼎大名的matplotlib.pyplot。這個套件使用起來比較的簡單，只需要將資料直接丟進plot函式並且指定顏色和線的種類就好。

plt.plot(predict_y, "b:")
plt.plot(test_y, "r-")
plt.legend(["預測", "收盤價"])
plt.show()

這邊有個小提醒，在使用matplotlib.pyplot的時候，由於我們的圖中包含中文，因此可能會出現文字顯示異常的狀況。如果發生這種情形，只需要執行下方程式碼，下載中文字型並且指定給matplotlib.pyplot使用就好，如果想要下載其他中文字型當然也可以，只要記得要改變套用就好囉！

!wget -O TaipeiSansTCBeta-Regular.ttf https://drive.google.com/uc?id=1eGAsTN1HBpJAkeVM57_C7ccp7hbgSz3_&export=download

from matplotlib.font_manager import fontManager
fontManager.addfont('TaipeiSansTCBeta-Regular.ttf')

最後我們模型所預測的結果如下。乍看之下，好像結果與【Day 07】RNN實作的結果差不多，但其實在某些轉折處，LSTM模型所預測的結果是較佳的。而LSTM還有更進階的版本，我們將在明天做介紹喔！