股票价格预测器 该项目包括多种机器学习和深度学习算法，可以预测各个公司的股价。

股票价格预测 目录 介绍 该项目是我对Udacity的数据科学家纳米学位计划的基本项目。 我们将实现两种机器学习算法（移动平均值和LSTM）来预测公司的未来股价。 然后，我们从这两种算法中选择最佳算法来开发自己的股价预测指标。 该项目包括Python脚本，交易者可以在其中输入历史股票价格数据以获得训练有素的LSTM模型。 然后，可以使用经过训练的模型来预测未来的股票价格。 该项目随附的博客文章 档案说明 股票价格预测.ipynb-用于股票价格预测的Jupyter笔记本。 train.py-借出历史股价数据并训练LSTM模型的Python脚本。 Forecastor.py-用于借出历史股价数据和将来预测股价的Python脚本。 文件夹：数据 排爆INTC.csv -历史股价数据从 。 文件夹：型号 model.pkl-腌制文件中经过训练的LSTM模型。 scaler.gz-保存在存档文

Kaggle房屋价格预测完整资源-Kaggle-house-prices-advanced-regression--techniques，包括train.csv test.csv sample_submission.csv data_description.txt

完整代码，可直接运行

完整代码，可直接运行

完整代码，可直接运行

基于ARMA模型的中国钢铁价格预测研究，刘斌，盖如栋，文中用ARMA模型，对1995年至2005年全国钢铁综合价格进行时间序列分析，用MATLAB软件检验模型的可行性，并进行预测应用。结果表明，基于

房屋价格预测 艾姆斯住房数据集摘自kaggle竞赛。 该项目的目的是预测Boston Housing Dataset中房屋的房价。 提供了两个文件，即训练和测试，并且要估计测试数据的价格。 在这里，我已使用XGBoost进行预测。 感谢Krish Naik制作了这些精彩的视频，以帮助他们理解和实施房价预测。 稍后，我将添加探索性数据分析，并将XGBoost模型的结果与其他回归技术进行比较。 房价预测步骤 加载数据中 数据探索2.1具有空值的特征2.2数值特征 2.2.1 Year Features 2.2.2 Discrete Features 2.2.3 Continous Features 2.3分类特征 数据清理 数据转换4.1稀有分类特征处理 基本模型性能（XGBoost） 超参数调整 最终模型 可视化结果 1.加载数据 df = pd . read_csv

基于机器学习的推土机价格预测系统 Kaggle链接： ：//www.kaggle.com/c/bluebook-for-bulldozers/overview 比赛的目的是根据拍卖品的用途，设备类型和配置来预测其拍卖价格。 该数据来自拍卖结果发布，并包含有关使用情况和设备配置的信息。 Fast Iron正在创建一本“推土机蓝皮书”，以使客户在拍卖中评估其重型设备的价值。 问题定义 预测一件重型设备的拍卖销售价格，以为推土机创建一本“蓝皮书”。 数据 数据集链接： : 由于其大小，我无法将数据集包含在此存储库中。 请确保访问上面给出的链接，以下载该项目所需的所有数据集。 确保将所有数据集存储在文件夹“ data”中。 目录 :hourglass_done: 环境设定 :check_mark_button: 收集数据 :check_mark_button: 数据预处理和EDA 特征提取 :check_mark_button: 将字符串转换为类别 :check_mark_button: 填写缺失值 :check_mark_button: 模型实验 :hourglas

ARIMA模型在农产品价格预测中的应用