文件名称：LSTM-based-method-forPredicting-stock:基于LSTM的库存预测方法
文件大小：1.63MB
文件格式：ZIP
更新时间：2024-04-09 11:32:35
JupyterNotebook
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
【文件预览】：
LSTM-based-method-forPredicting-stock-main
----Trend Label.ipynb(376KB)
----Trend Label-convlstm.ipynb(378KB)
----convlstm.ipynb(231KB)
----Stock Market Predictions with LSTM in Python.ipynb(432KB)
----README.assets()
--------Standard Average.png(88KB)
--------3-2.png(26KB)
--------3-8.png(27KB)
--------2-1.png(65KB)
--------Exponential Moving Average-3.png(90KB)
--------lstm-1.png(19KB)
--------3-9.png(45KB)
--------2-2.png(43KB)
--------1.png(55KB)
--------3-3.png(46KB)
--------3-5.png(27KB)
--------3-4.png(22KB)
--------3-6.png(47KB)
--------3-1.png(21KB)
--------image-20200702164743882.png(49KB)
--------Exponential Moving Average -1.png(7KB)
----README.md(6KB)