東西做多了思路容易亂，
回顧一下 LSTM的變形? 認識 CNN+LSTM 和 ConvLSTM之間的差異
DAY7 寫這篇的時候，

參考到幾篇其他人的文章，例如這篇【2】

提到ConvLSTM模型有3D的張量，

(具體來說是(timestamps, row, column)，也就是每個時間步的資料具有空間結構。)

而實際上在實作的時候是

5D(batchsize, timestamps, channel size, row, column)。

但實際這都是理想中模型需要資料的樣子， 重點是要將資料變成模型適合的形狀。

右腦比較發達的我，還是不太理解要怎麼轉換，
況且平常時空序列都是用來做氣象分析、圖像分析，做股票分析應該是純屬於自己腦洞大開。
問了一下強者朋友，直接上圖理解，突然腦子就通了一下(叮

自己用PPT把圖具象化一點，就很有畫面了(如下圖)

DAY14-含金量滿滿的文章? Step(2/4): 關鍵分點籌碼爬蟲，券商分點地圖視覺化
這天最後用Matplotlib畫的平面2D網格圖(券商分點分布圖)

地理資訊放進來，籌碼資訊也放進來的3D圖(如下圖)

沒畫圖的話，就需要一點想像力 (不只一點@@''

假設地理位置資料是網格形式（10x10），
則每個時間步長都有一個 10x10 的地理位置網格和 12 個特徵。

基於convLSTM的模型特性，若是我要將輸入資料重塑為適合模型的維度形狀，
ConvLSTM 模型輸入維度，如：(B, T, H, W, C)，依照資料類型填入維度大小，
B: Batch Size
T: Time Series
H, W: 2D data
C: 通道數(channel size)

(Batch Size, Time Series, Height, Width, Channels)的格式:

而若是我的資料Merged_to_train_ALL.xlsx'，資料大概長這樣，

日期	券商代碼	買進(張)	賣出(張)	買賣超(張)	橫坐標	縱坐標	開盤價	最高價	最低價	收盤價	成交量
2024/05/13	1020	99	81	18	305924	2770508	104	106	99.9	104.5	15868.696
2024/05/13	1021	14	93	-79	217429	2670350	104	106	99.9	104.5	15868.696
2024/05/13	1022	5	23	-18	168780	2544296	104	106	99.9	104.5	15868.696
... ...

輸入維度為:
(3183(資料筆數),3(資料的日期天數,input),12(特徵欄位數),台灣的地圖範圍緯度(lat)，台灣的地圖範圍經度(lng)，channel(通道數))

3183 是資料筆數，3 是時間序列長度，12 是特徵欄位數，緯度範圍 (Height)，經度範圍 (Width)，1 是通道數。

那就是 (3183, 3, 12, 緯度範圍, 經度範圍, 1) 。

參考文章&資料來源:
1.Time Series data to fit for ConvLSTM
2.An introduction to ConvLSTM
3.我的強者朋友(沒有Link)

每日記錄:
程式不太強，但PPT做得還不錯的IT人(?
結果會不會有人反而想來學PPT畫圖技術，開班授課(敲鑼敲鑼

自己一開始想像的和實際的不同，需要調整一下。
把bug修一下，維度重新調整，重新建置模型開始訓練!