kaggle黄金价格预测数据，时间序列数据，可以进行机器学习、深度学习分析

压缩包内含：基于LSTM的股票价格预测_数据+代码+报告，可以最为数据挖掘的大作业。股票作为人民金融投资的普遍方式，如何在股票中赚钱成为股民的共同目标。要想在股票交易中赚钱便要掌握股票的走势，因此股票价格预测工作引起社会及学术界的广泛关注。股票的走势随市场变动，而且受诸多因素影响，如国际环境，政策变化，行业发展，市场情绪等等，这使得股民很难预测股票的走势。理论上，根据股票以往的价格走势，可以预测股票的未来走势。因为股票预测是高度非线性的，这就要预测模型要能够处理非线性问题，并且，股票具有时间序列的特性，因此适合用循环神经网络对股票进行预测。虽然循环神经网络（RNN），允许信息的持久化，然而，一般的RNN模型对具备长记忆性的时间序列数据刻画能力较弱，在时间序列过长的时候，因为存在梯度消散和梯度爆炸现象RNN训练变得非常困难。Hochreiter 和 Schmidhuber 提出的长短期记忆（ Long Short-Term Memory，LSTM）模型在RNN结构的基础上进行了改造，从而解决了RNN模型无法刻画时间序列长记忆性的问题。因此，本文基于LSTM实现一个股票价格预测模型。

可用于电价预测和负荷预测，时间间隔为半小时，包括从2006年1月1日到2011年1月1日的数

足球/足球运动员的价格预测，参加每个欧洲，亚洲或美国联赛的球员的数据/价格。

数据共9万条。包括天气、负荷、电价数据

澳大利亚电力负荷与价格预测数据，可用于电价预测和负荷预测，时间间隔为半小时，包括从2006年1月1日到2011年1月1日的数据