1. 
2. 
3. 
4. 列表项

这是一个LSTM模型预测股票，用5天的时间序列，3个特征的数据，预测下一天的值。我不是特别清楚在实际预测时怎么处理数据。能否帮忙看看。假如我用最后原数据的最后一组数据，5天3特征来预测，原数据打印如最后一张图片。

图中第一张图的1，2，3红框是我想使用原数据的最后1组数据来预测未来的y。
1框 截取原数据最后1组5*3 数据
2 框 数据tensor处理
3 框 数据reshape。这里开始不太有把握。torch.zeros(1,seq_len,3) 我自己想是1个batchsize，seq_len 5天序列，3是特征维度。这里用torch.zeros完全依据原来代码处理x,y 的方法。
然后就把这个处理后的R值直接给了Stock_Lstm模型了
原代码中还有数据处理的步骤Stock_dataset， Dataloader 。这里特别是 Dataloader是确定batchsize的。
我感觉不需要这2步了。直接把R喂给模型。
你看这有没有问题。完整代码需要展示吗