<ul id="seequ"></ul> 
最近我們被客戶要求撰寫關于循環神經網絡的研究報告，包括一些圖形和統計輸出。
自 2000 年?1 月以來的股票價格數據。我們使用的是 Microsoft 股票。
(資料圖片)
該項目包括：
將時間序列數據轉換為分類問題。
使用 TensorFlow 的 LSTM 模型
由 MSE 衡量的預測準確性
gpus?=?有幾種方法可以獲取股市數據。以下數據集是使用 R BatchGetSymbols 生成的。
#加載數據集#?是數組的第一列?datang?=?read_csv('',?header=0)_table(datong)我們為這個項目選擇了微軟（股票代碼 MSFT）。
['']?=?(dfte['MSFT'])時間序列顯然不是平穩的，這是大多數預測模型所假設的屬性。我們可以對時間序列應用變換，直到它達到平穩狀態。Dickey-Fuller 檢驗使我們能夠確定我們的時間序列是否具有季節性。
在這里，我們將應用對數轉換來解決股票市場的指數行為。
其他有助于預測模型的轉換：
移動平均線
差分化
df1?=?datt['MSFT']#?我們對數據集進行了對數轉換df1?=?(df1)#?替代方案：我們可以對時間序列進行差分，從而去除季節性和平均值的變化。#?創建一個差分序列#dfdiff?=?diffe(df1,1)在這里，我們對時間序列數據應用標準預處理。
在時間序列中，我們沒有標簽，但我們有時間序列的未來值，因此輸出可以是 x(t)，給定 x(t-1) 作為輸入。這是將數據集構建為監督問題的一種實用（且直觀）的方法。
scaer?=?ixSer(fatue_ange?=?(0,1))_rrm((df1).rehape(-1,1))我們在這里實現了一個堆疊的 LSTM 模型。
LSTM 網絡是一種遞歸神經網絡，能夠學習序列預測問題中的序列依賴性。LSTM 模型主要用于語音識別、自然語言處理的上下文中。最近，它們也被應用于時間序列數據的分析。
from??import?Sequential?(LSTM(50,?retsueces?=?True#(Dropout())history(點擊標題查閱往期內容
Python中利用長短期記憶模型LSTM進行時間序列預測分析 - 預測電力負荷數據
左右滑動查看更多
01
02
03
04
import?math?from??import?mean_squared_error['']?=?['']?=?300#移位預測lokback?=?ie_steptrinPrectPot?=?_like(df1)traireditPlot[:,:]?=?_y?=?(df1)(iv_y)我們現在可以遞歸地應用該模型，通過估計第二天的 (t+1) 價格，然后再次將其作為輸入來推斷 t+2 天的價格，依此類推。這個預測當然會有更大的誤差，因為每個預測的日子都會帶來很大的不確定性。然而，這個預測確實會告訴我們模型是否從過去的數據中學到了任何東西。
#?預測未來30天的情況?len(tesdata)?#?1211#?我認為在test_data中，最后一天是5月22日，例如#?對于5月23日，我需要100個前一天的數據?x_input?=?test_data[(lenwhile(i<ftue_teps):????if(len(tep_put)>ie_sep):????????x_input?=?(tepinut[1:])????????x_input?=?x_(dy_ew,?_transf(df3[1000:])點擊文末?“閱讀原文”
獲取全文完整資料。
本文選自《Python TensorFlow循環神經網絡RNN-LSTM神經網絡預測股票市場價格時間序列和MSE評估準確性》。
點擊標題查閱往期內容
數據分享|PYTHON用KERAS的LSTM神經網絡進行時間序列預測天然氣價格例子Python對商店數據進行lstm和xgboost銷售量時間序列建模預測分析Matlab用深度學習長短期記憶（LSTM）神經網絡對文本數據進行分類RNN循環神經網絡 、LSTM長短期記憶網絡實現時間序列長期利率預測結合新冠疫情COVID-19股票價格預測：ARIMA，KNN和神經網絡時間序列分析深度學習：Keras使用神經網絡進行簡單文本分類分析新聞組數據用PyTorch機器學習神經網絡分類預測銀行客戶流失模型PYTHON用LSTM長短期記憶神經網絡的參數優化方法預測時間序列洗發水銷售數據Python用Keras神經網絡序列模型回歸擬合預測、準確度檢查和結果可視化Python用LSTM長短期記憶神經網絡對不穩定降雨量時間序列進行預測分析R語言中的神經網絡預測時間序列：多層感知器（MLP）和極限學習機（ELM）數據分析報告R語言深度學習：用keras神經網絡回歸模型預測時間序列數據Matlab用深度學習長短期記憶（LSTM）神經網絡對文本數據進行分類R語言KERAS深度學習CNN卷積神經網絡分類識別手寫數字圖像數據（MNIST）MATLAB中用BP神經網絡預測人體脂肪百分比數據Python中用PyTorch機器學習神經網絡分類預測銀行客戶流失模型R語言實現CNN（卷積神經網絡）模型進行回歸數據分析SAS使用鳶尾花(iris)數據集訓練人工神經網絡(ANN)模型【視頻】R語言實現CNN（卷積神經網絡）模型進行回歸數據分析Python使用神經網絡進行簡單文本分類R語言用神經網絡改進Nelson-Siegel模型擬合收益率曲線分析R語言基于遞歸神經網絡RNN的溫度時間序列預測R語言神經網絡模型預測車輛數量時間序列R語言中的BP神經網絡模型分析學生成績matlab使用長短期記憶（LSTM）神經網絡對序列數據進行分類R語言實現擬合神經網絡預測和結果可視化用R語言實現神經網絡預測股票實例使用PYTHON中KERAS的LSTM遞歸神經網絡進行時間序列預測python用于NLP的seq2seq模型實例:用Keras實現神經網絡機器翻譯用于NLP的Python：使用Keras的多標簽文本LSTM神經網絡分類
標簽：
