使用 Python 的 LSTM 进行股市预测

目录

一、说明

二、为什么需要时间序列模型？

三、下载数据

3.1 从 Alphavantage 获取数据

3.1 从 Kaggle 获取数据

3.3 数据探索

3.4 数据可视化

四、将数据拆分为训练集和测试集

五、数据标准化

六、通过平均进行一步预测

6.1 标准平均值

6.2 指数移动平均线

6.3 如果指数移动平均线这么好，为什么还需要更好的模型？

6.4 预测未来不止一步

七、LSTM 简介：预测未来的股票走势

7.1 数据生成器

7.2 数据增强

7.3 定义超参数

7.4 定义输入和输出

7.5 定义 LSTM 和回归层的参数

7.6 计算 LSTM 输出并将其馈送到回归层以获得最终预测

7.7 损失计算和优化器

7.8 预测相关计算

7.9 运行 LSTM

八、可视化预测

九、最后的评论

参考

---

一、说明

         在本教程中，您将了解如何使用称为长短期记忆的时间序列模型。 LSTM 模型非常强大，尤其是在设计上保留长期记忆，正如您稍后将看到的。您将在本教程中解决以下主题：