数据挖掘 - 股票数据的图像分类 - 吾爱随笔录

我正在尝试将库存图片分为 4 类：

类别 1：未来 3 天利润超过 10% 的图像模式。
类别 2：未来 3 天利润低于 10% 但高于 0% 的图像模式。
第 3 类：接下来 3 天损失超过 -0.01% 但超过 -10% 的图像模式。
第 4 类：接下来 3 天损失超过 -10% 的图像模式

我将这些图像分为 4 类，以下是第 1 类和第 2 类的图像。

图像包含 10 天的股票走势，分类类别是从接下来 3 天的股票数据生成的。

红条是该股票的交易量。

粉线为 RSI(14)（相对强弱指数）

黄线是股价。

蓝线和绿线分别是移动平均线 10、20。

我知道通过看到图像很难区分它们，但这是我试图找出的，我可以使用 CNN 对其进行分类。

我的有线电视新闻网：

  (layer1): Sequential(
    (0): Conv2d(3, 64, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2))
    (1): ReLU()
    (2): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  )
  (layer2): Sequential(
    (0): Conv2d(64, 128, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2))
    (1): ReLU()
    (2): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  )
  (layer3): Sequential(
    (0): Conv2d(128, 256, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2))
    (1): ReLU()
    (2): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  )
  (drop_out): Dropout(p=0.5, inplace=False)
  (fc1): Linear(in_features=65536, out_features=1024, bias=True)
  (fc2): Linear(in_features=1024, out_features=512, bias=True)
  (fc3): Linear(in_features=512, out_features=128, bias=True)
  (fc4): Linear(in_features=128, out_features=4, bias=True)

优化器：Adam，损失：CrossEntropyLoss。

但问题是 CNN 最终为每张图像分类同一类以获得 25% 的准确率。

我的工作方向是否错误，我应该改进数据还是尝试其他技术，如 LSTM？