机器学习项目实战机器学习预测股价

　　机器学习项目实战系列机器学习预测股价
　　目录机器学习项目实战系列机器学习预测股价
　　一、概述
　　二、分析数据
　　1。导入
　　2。数据导入
　　3。分析股票尾市数据
　　4。构建模型
　　5。测试模型
　　6。展示预测结果一、概述
　　根据上一年的数据预测股票市场的未来价格
　　数据集：股票价格预测数据集：TwoSigma：UsingNewstoPredictStockMovementsKaggle
　　源代码：股票价格预测项目：Justamoment。。。
　　二、分析数据1。导入importpandasaspdimportnumpyasnpimportmatplotlib。pyplotaspltmatplotlibinlinefrommatplotlib。pylabimportrcParamsrcParams〔figure。figsize〕20，10fromkeras。modelsimportSequentialfromkeras。layersimportLSTM，Dropout，Densefromsklearn。preprocessingimportMinMaxScaler2。数据导入
　　3。分析股票尾市数据df〔Date〕pd。todatetime（df。Date，formatYmd）df。indexdf〔Date〕plt。figure（figsize（16，8））plt。plot（df〔Close〕，labelClosePricehistory）
　　4。构建模型importmathCreateanewdataframewithonlytheClosecolumndatadf。filter（〔Close〕）Convertthedataframetoanumpyarraydatasetdata。valuesGetthenumberofrowstotrainthemodeltrainingdatalenmath。ceil（len（dataset）。8）trainingdatalen
　　ScalethedatascalerMinMaxScaler（featurerange（0，1））scaleddatascaler。fittransform（dataset）scaleddata
　　CreatethetrainingdatasetCreatethescaledtrainingdatasettraindatascaleddata〔0：trainingdatalen，：〕Splitthedataintoxtrainandytraindatasetsxtrain〔〕ytrain〔〕foriinrange（60，len（traindata））：xtrain。append（traindata〔i60：i，0〕）ytrain。append（traindata〔i，0〕）ifi60：print（xtrain）print（ytrain）print（）
　　BuildtheLSTMmodelmodelSequential（）model。add（LSTM（50，returnsequencesTrue，inputshape（xtrain。shape〔1〕，1）））model。add（LSTM（50，returnsequencesFalse））model。add（Dense（25））model。add（Dense（1））
　　5。测试模型CreatethetestingdatasetCreateanewarraycontainingscaledvaluesfromindex1543to2003testdatascaleddata〔trainingdatalen60：，：〕Createthedatasetsxtestandytestxtest〔〕ytestdataset〔trainingdatalen：，：〕foriinrange（60，len（testdata））：xtest。append（testdata〔i60：i，0〕）
　　Getthemodelspredictedpricevaluespredictionsmodel。predict（xtest）predictionsscaler。inversetransform（predictions）
　　6。展示预测结果Plotthedatatraindata〔：trainingdatalen〕validdata〔trainingdatalen：〕valid〔Predictions〕predictionsVisualizethedataplt。figure（figsize（16，8））plt。title（Model）plt。xlabel（Date，fontsize18）plt。ylabel（ClosePriseUSD（），fontsize18）plt。plot（train〔Close〕）plt。plot（valid〔〔Close，Predictions〕〕）plt。legend（〔Train，Val，Predictions〕，loclowerright）plt。show（）