基于时间序列训练模型的张量流

Question

因此，我一直在试图理解以下代码：https://www.kaggle.com/raoulma/ny-stock-price-prediction-rnn-lstm-gru/notebook

这很直截了当，但有几个概念我想我还没有理解

• 为什么作者要输入x_检验，它包含真实的数据来预测和生成预测？见：y_test_pred = sess.run(outputs, feed_dict={X: x_test})

• 我如何预测数据集中超过最后一个日期的数据

• 作为旁注，当x和y本质上是相同的数据（即价格）时，为什么作者（以及更多人）将数据拆分为x和y。我们不是在寻找时间和价格之间的关系吗

谢谢