第二章作业用Transformer实现

要求

第二章的作业我们是用的全连接网络实现的，并鉴于这个数据是序列数据，我们又用LSTM来复现了一次。但是Transformer作为序列数据的扛把子，老师认为它才是处理序列数据的利器！

作业

用Transformer再来处理一次第二章的数据。我们通过本章的学习知道，Transformer是由Encoder和Decoder做成的，但是其Encoder部分是可以用来处理序列数据的回归或者分类问题的，那么请同学们尝试只用Transformer的Encoder部分，再来处理一次第二章的茅台数据，看看效果是否有提升！

提示

• 如果同学们能把这项作业完成，不论结果如何，大概率是已经对神经网络比较熟悉了
• 结果可能会不及预期，甚至没有收敛；因为这个相当于就是基于指标的深度学习量化交易了，但是还有部分残缺的知识并未补齐，比如金融知识，基本面分析等等。。
• 在这个过程中不需要Decoder，仅是将Transformer的Encoder单独拿出来用作一个回归模型