原文概述
现有的比特币预测思路大多采用LSTM（长短期记忆网络）来实现的，笔者在AI领域比较知名的微信公众号中阅读到这篇文章，现将文章分享给大家。
文章地址是：
为何采用LSTM
长期短期记忆（LSTM）是一种特别适用于时间序列数据（或具有时间 / 空间 / 结构顺序的数据，例如电影、句子等）的深度学习模型，是预测加密货币的价格走向的理想模型。
我们在以往使用LSTM往往都是用在NLP中，这里应用到比特币预测上，主要是针对时间序列进行预测。
随机游动
文章中在定义比特币增长的数据模型是以前一段时间的比特比价值为主要特征，在预测模型中，添加高斯分布的随机数，以便使预测后的数据不至于很平滑，这样从主观上感觉会比较“真实”。
在信号处理中，这可以认为是高斯随机噪声，会使数据的高频部分能量增加，顺便说一句，如果不想看到数据来回地颤动，在处理数据时，可以使用低通滤波器进行滤波即可。
有效性说明
其实从这个模型中不难看出，按照这个预测结果，比特币总体趋势只会持续地涨，这是由训练数据集造成的，因为当前比特币的趋势就是在涨。而实际上，比特币的结果影响因素很多，涨涨跌跌从时间序列上进行预测的前提是比特币依然按照之前的总体趋势发展，但是，这是理想化条件。
进一步探索
该文的目的其实是使用LSTM进行数据拟合的一个例子，或许在短期内该预测效果果真有效，但长期变数太多。不妨结合币圈心态/情感角度分析与预测，或许能取得不错的效果。