stockDL：用于股票价格预测和计算的深度学习库
复制粘贴不是您应该共享代码的方式。
特征
基于2种传统股票市场算法[买入，持有和移动平均]和2种深度学习算法[LSTM网络和Conv1D + LSTM网络]的单一股票交易和价格比较
以JSON格式返回结果，包括总总收益，年总收益，总净收益和年净收益。 此JSON结果可用于基于Web的价格预测。 考虑到印度的经纪人佣金和资本利得税[可以修改]
每次运行库时都进行动态模型训练，从而使模型不受上帝行为，大流行，突然亏损，股价上涨引起的异常股票市场变化的影响。
Yahoo Finance API的最新财务数据收集（从股票开始日期到当前数据）。
与Flask或另一个python后端轻松进行后端集成，以进行Web部署。
在带有4992 NVIDIA CUDA和24 GB VRAM的Tesla K80 GPU上，结果处理时间不到90秒。 比其
2021-11-05 09:59:10
21.37MB
1
股票价格预测
Udacity-机器学习纳米学位课程：Project-6（Capstone项目）
项目概况
这是Udacity-机器学习纳米学位计划中列出的一系列项目中的第六个也是最后一个顶点项目。
投资公司，对冲基金甚至个人一直在使用财务模型来更好地了解市场行为并进行有利可图的投资和交易。 历史股价和公司绩效数据的形式提供了大量信息，适用于机器学习算法进行处理。
我们真的可以通过机器学习预测股价吗？ 投资者通过分析数据做出有根据的猜测。 他们将阅读新闻，研究公司的历史，行业趋势以及做出预测的其他许多数据点。 流行的理论是，股票价格是完全随机且不可预测的，但这提出了一个问题，为什么摩根士丹利和花旗集团这样的顶级公司会聘请定量分析师来建立预测模型。 我们的想法是，交易大厅里充斥着肾上腺素的男人，他们之间的联系松散，向电话里喊着什么，但如今，他们更有可能看到成排的机器学习专家静静地坐在电脑屏幕前。 实际上，现在华尔街上约70％的订单都是通过软件下达的，我们现在处在算法时代。
该项目利用深度学习模型，长期记忆（LSTM）神经网络算法来预测股票价格。 对于具有时间范围的数据，递归神经网络（
2021-10-19 19:47:54
2.49MB
1
Lattice LSTM神经网络法中文医学文本命名实体识别模型研究.pdf
2021-10-01 18:06:16
10.6MB
lstm学习资料，可以使用，效果较好，希望满意
2021-09-28 17:08:12
13KB
我看了很多代码讲解的，这是看到的一篇比较好的LSTM神经网络入门代码讲解，里面有响应的代码与详细注释，可以帮您快速理解Lstm的命令
2021-09-28 14:00:36
19KB
图像字幕
CNN-LSTM神经网络，用于从图像生成字幕。 基于我为计算机视觉决赛所做的小组项目
2021-07-20 10:37:35
9KB
1
基于LSTM神经网络模型预测北京PM2.5排放量预测
代码实现
import tensorflow as tf
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from tensorflow.keras import layers
from sklearn.preprocessing import StandardScaler, MinMaxScaler, OneHotEncoder
from sklearn.impute import SimpleImputer
from sklearn.model
2021-07-07 12:22:25
44KB
1