LSTM-based-method-forPredicting-stock:基于LSTM的库存预测方法-源码

上传者: 42099087 | 上传时间: 2021-04-12 14:41:01 | 文件大小: 1.63MB | 文件类型: ZIP
基于LSTM的库存预测方法 lstm是什么: 初步模型 lstm优缺点 为什么用于股票预测(研究目标,研究内容) 数据集介绍 数据预处理 模型介绍(三个) 结果比较 为什么需要时间序列模型? 您想正确地模拟股票价格,因此作为股票购买者,您可以合理地决定何时购买股票以及何时出售股票以获利。这就是时间序列建模的用武之地。您需要良好的机器学习模型,这些模型可以查看数据序列的历史记录并正确预测序列的未来元素。 但是股市价格非常难以预测且波动很大。这意味着数据中没有一致的模式可以让您近乎完美地模拟转换内部的股票价格。普林斯顿大学的经济学家伯顿·马尔基尔在其1973年的著作《华尔街的随机漫步》中指出,如果市场真正有效,并且可以立即反映出所有因素,当它们被公开时,被蒙住眼睛的猴子向报纸股票上市投掷Dart应该和任何投资专家一样。 但是,我们不要一味认为这只是一个随机或随机的过程,并且对于机器学习没有希望

文件下载

资源详情

[{"title":"( 21 个子文件 1.63MB ) LSTM-based-method-forPredicting-stock:基于LSTM的库存预测方法-源码","children":[{"title":"LSTM-based-method-forPredicting-stock-main","children":[{"title":"Trend Label.ipynb <span style='color:#111;'> 375.81KB </span>","children":null,"spread":false},{"title":"Trend Label-convlstm.ipynb <span style='color:#111;'> 377.51KB </span>","children":null,"spread":false},{"title":"convlstm.ipynb <span style='color:#111;'> 231.03KB </span>","children":null,"spread":false},{"title":"Stock Market Predictions with LSTM in Python.ipynb <span style='color:#111;'> 432.18KB </span>","children":null,"spread":false},{"title":"README.assets","children":[{"title":"Standard Average.png <span style='color:#111;'> 87.76KB </span>","children":null,"spread":false},{"title":"3-2.png <span style='color:#111;'> 25.84KB </span>","children":null,"spread":false},{"title":"3-8.png <span style='color:#111;'> 26.65KB </span>","children":null,"spread":false},{"title":"2-1.png <span style='color:#111;'> 65.00KB </span>","children":null,"spread":false},{"title":"Exponential Moving Average-3.png <span style='color:#111;'> 90.35KB </span>","children":null,"spread":false},{"title":"lstm-1.png <span style='color:#111;'> 18.89KB </span>","children":null,"spread":false},{"title":"3-9.png <span style='color:#111;'> 45.36KB </span>","children":null,"spread":false},{"title":"2-2.png <span style='color:#111;'> 43.22KB </span>","children":null,"spread":false},{"title":"1.png <span style='color:#111;'> 54.95KB </span>","children":null,"spread":false},{"title":"3-3.png <span style='color:#111;'> 45.88KB </span>","children":null,"spread":false},{"title":"3-5.png <span style='color:#111;'> 27.47KB </span>","children":null,"spread":false},{"title":"3-4.png <span style='color:#111;'> 21.59KB </span>","children":null,"spread":false},{"title":"3-6.png <span style='color:#111;'> 46.55KB </span>","children":null,"spread":false},{"title":"3-1.png <span style='color:#111;'> 20.73KB </span>","children":null,"spread":false},{"title":"image-20200702164743882.png <span style='color:#111;'> 49.30KB </span>","children":null,"spread":false},{"title":"Exponential Moving Average -1.png <span style='color:#111;'> 6.54KB </span>","children":null,"spread":false}],"spread":false},{"title":"README.md <span style='color:#111;'> 5.85KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明