股市预测python代码＜循环神经网络＞

股市预测python代码<循环神经网络>

数据集：（百度网盘）
链接：https://pan.baidu.com/s/1ozBoPhO7LU06z9mNlufbmg
提取码：59vk

#基于。csv数据没建立rnn模型，预测
# 1.数据预处理，将序列数据转化为可用于rnn输入的数据
# 2.对新数据进行预测（预测数据集），可视化结果
# 3.存储预测结果（csv文件），并观察局部预测结果（局限性）
#模型结构：单纯rnn，输出有五个神经元，每次使用前8个数据预测第9个数据import pandas as pd
import numpy as np
data = pd.read_csv('D:\\pydata\\zgpa_train.csv')data.head()
price = data.loc[:,'close']
price.head()#归一化处理
price_norm = price/max(price)
print(price_norm)#可视化
from matplotlib import pyplot as plt
fig1=plt.figure(figsize=(8,5))#建立图形
plt.plot(price)#画图
#加标注
plt.title('close price')
plt.xlabel('time')
plt.ylabel('price')
plt.show()#xy的赋值#define X and y
#define method to extract X and y#提取数据序列
def extract_data(data,time_step):X=[]y=[]#0,1,2,3...9:10个样本；time_step=8;0,1,2..7;12,3,...9for i in range(len(data)-time_step):X.append([a for a in data[i:i+time_step]])#X数组是训练集y.append(data[i+time_step])#y是预测集X = np.array(X)#转换为一个数组X = X.reshape(X.shape[0],X.shape[1],1)return X,ytime_step = 8
X,y = extract_data(price_norm,time_step)
print("Xshape:")
print(X.shape)
print(y)from keras.models import Sequential
from keras.layers import Dense,SimpleRNN
model = Sequential()#单层有五个神经元units，input_shape(样本数，序列长度，序列维度）:数据是一维的，activation：激活函数
model.add(SimpleRNN(units = 5, input_shape=(time_step,1),activation='relu'))
#输出数值：索引神经元为1；线性（回归预测常用）
#输出y的一层
model.add(Dense(units=1,activation='linear'))#configure the model
#(优化器，损失函数）
#平方差mean_squared_errar
model.compile(optimizer='adam',loss='mean_squared_error')
model.summary()#模型训练
#打印X，y的维度
#print(X.shape(X),len(y))
#训练样本，每次30个样本，共训练200次
y=np.array(y);
model.fit(X,y,batch_size=30,epochs=200)#预测结果可视化
y_train_predict = model.predict(X)*max(price)
#y_train = [i*max(price) for i in y]#把归一化之后的数值转换过来
y_train = y*max(price)
print(y_train_predict,y_train)fig2=plt.figure(figsize=(8,5))#建立图形
plt.plot(y_train,label='real price')#画图
plt.plot(y_train_predict,label='predict price')#画图
#加标注
plt.title('close price')
plt.xlabel('time')
plt.ylabel('price')
plt.legend()
plt.show()#predictdata_test = pd.read_csv('D:\\pydata\\zgpa_test.csv')
data_test.head()
price_test = data_test.loc[:,'close']
price_test.head()
price_test_norm = price_test/max(price)#归一化
X_test_norm,y_test_norm = extract_data(price_test_norm,time_step)
print(X_test_norm.shape,len(y_test_norm))y_test_predict = model.predict(X_test_norm)*max(price)
y_test_norm=np.array(y_test_norm);
y_test = y_test_norm*max(price)fig3=plt.figure(figsize=(8,5))#建立图形
plt.plot(y_test,label='real price test')#画图
plt.plot(y_test_predict,label='predict price test')#画图
#加标注
plt.title('close price')
plt.xlabel('time')
plt.ylabel('price')
plt.legend()
plt.show()for i in range(0,len(y_test_predict)):totforenum=abs(y_test_predict[i]-y_test[i]);totnum=y_test[i];
totnum/=len(y_test_predict);
totforenum/=len(y_test_predict);
print("平均误差率:",end="");
print(totforenum/totnum*100,end="");
print("%");#存储数据
result_y_test = np.array(y_test).reshape(-1,1)
result_y_test_predict = y_test_predict
print(result_y_test.shape,result_y_test_predict.shape)
result = np.concatenate((result_y_test,result_y_test_predict),axis = 1)
print(result.shape)
result = pd.DataFrame(result,columns=['real_price_test','predict_price_test'])
result.to_csv('zapa_predict_test.csv')

多跑几次的预测结果不一样，神经网络好奇妙嗷

股市预测python代码＜循环神经网络＞相关推荐

独家 | 数据科学家的必备读物：从零开始用 Python 构建循环神经网络（附代码）...
作者:Faizan Shaikh 翻译:李文婧校对:张一豪本文约4300字,建议阅读10+分钟. 本文带你快速浏览典型NN模型核心部分,并教你构建RNN解决相关问题. 引言人类不会每听到一个句子 ...
如何用Python和循环神经网络预测严重交通拥堵？
作者 | 王树义来源 | 玉树芝兰(nkwangshuyi) 本文为你介绍,如何从 Waze 交通事件开放数据中,利用序列模型找到规律,进行分类预测.以便相关部门可以未雨绸缪,提前有效干预可能发生的 ...
如何用 Python 和循环神经网络预测严重交通拥堵？
本文为你介绍,如何从 Waze 交通事件开放数据中,利用序列模型找到规律,进行分类预测.以便相关部门可以未雨绸缪,提前有效干预可能发生的严重拥堵. 寻找之前在<文科生如何理解循环神经网络(RN ...
Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性...
全文链接:http://tecdat.cn/?p=26562 该项目包括: 自 2000 年 1 月以来的股票价格数据.我们使用的是 Microsoft 股票. 将时间序列数据转换为分类问题. 使用 ...
理解神经网络，从简单的例子开始（1）7行python代码构建神经网络
理解神经网络,从简单的例子开始(1)7行python代码构建神经网络前言本文分为两个部分,第一个部分是一个简单的实例:9行Python代码搭建神经网络,这篇文章原文为:原文链接, 其中中文翻译版来 ...
9行Python代码搭建神经网络
9行Python代码搭建神经网络 Kaiser谈笑风生 4月前发表至趣味项目,5995次访问原文:How to build a simple neural network in 9 lines of ...
bp神经网络预测python代码_机器学习之多层神经网络（附Python代码和数据）
1 引言多层神经网络,Multiple-layers Perceptron (MLP),又被称为多层感知机,是机器学习中深度学习的典型算法.关于多层神经网络的算法原理,我们在Stata和R实现的文章 ...
python神经网络代码_11行Python代码建立神经网络
Python部落(python.freelycode.com)组织翻译,禁止转载,欢迎转发. 用11行Python代码写出一个神经网络通过构造一个裸骨神经网络来解释反向传播的内部工作原理. 概览:对 ...
Python代码循环执行exe文件，并传入命令参数实现批量处理数据。
python调用exe程序传入命令参数,并实现循环批处理文件 1.问题背景 2.面临的问题 3.代码实现(案例) 4.总结 1.问题背景参加MARS数据医疗赛道进行计算机视觉的比赛,比赛内容为赛题 ...
9行Python代码搭建神经网络来掌握一些基本概念
这里的"用Python"指的就是不用那些现成的神经网络库比如Keras.Tensorflow等,否则连9行都不用了. 本文我会解释这个神经网络是怎样炼成的,所以你也可以搭建你自己的 ...

股市预测python代码＜循环神经网络＞

股市预测python代码<循环神经网络>

股市预测python代码＜循环神经网络＞相关推荐

最新文章

热门文章