文件名称：Stock-Market-Prediction
文件大小：1.36MB
文件格式：ZIP
更新时间：2024-04-21 15:47:48
Python
股票预测 使用机器学习进行库存预测 抽象的 股市预测是试图确定公司股票或在交易所交易的其他金融工具的未来价值的行为。 成功预测股票的未来价格可能会产生可观的利润。 有效市场假说表明，股票价格反映了所有当前可用的信息，因此，任何不基于新发现信息的价格变化本质上都是不可预测的。 其他人则不同意，并且那些持这种观点的人拥有无数的方法和技术，据称这些方法和技术可以使他们获得未来的价格。 随着数字计算机的出现，股票市场预测已经进入了技术领域。 最突出的技术涉及人工神经网络的使用。 人工神经网络可以被认为是数学函数近似器。 ANN用于股票市场预测的最常见形式是前馈网络，它利用误差的反向传播算法来更新网络权重。 这些网络通常称为反向传播网络。 同样在最近的一年中，用于库存预测的SVM（支持向量机算法）实现也有了重大改进。 更适合库存预测的另一种形式的ANN是时间递归神经网络（RNN）或时间延迟神经网络（
【文件预览】：
Stock-Market-Prediction-main
----Oracle_Modified.csv(73KB)
----MRK.csv(130KB)
----Amazon_Modified.csv(78KB)
----AAPL-2.csv(19KB)
----Apple_Modified.csv(77KB)
----INTC.csv(125KB)
----GOOG.csv(141KB)
----BABA.csv(39KB)
----ORCL.csv(128KB)
----BackProp.py(7KB)
----NDAQ-2.csv(118KB)
----HPQ.csv(131KB)
----SVM_Target.csv(46KB)
----LNVGY.csv(105KB)
----Intel_Modified.csv(72KB)
----^IXIC.csv(147KB)
----FinalDataset_Consolidate.py(7KB)
----AAPL.csv(134KB)
----SVM_Input.csv(818KB)
----README.md(13KB)
----Input_Dataset_LSTM.csv(857KB)
----AMZN.csv(134KB)
----Input_Dataset.csv(849KB)
----Lenovo_Modified.csv(70KB)
----Nasdaq_Modified.csv(77KB)
----HP_Modified.csv(75KB)
----Google_Modified.csv(79KB)
----Alibaba_Modified.csv(25KB)
----IBM.csv(136KB)
----Microsoft_Modified.csv(73KB)
----IBM_Modified.csv(78KB)
----MSFT.csv(127KB)
----TWX.csv(135KB)
----yahoo_finance.py(433B)
----DatasetCreation.py(730B)