基于GRU股票预测实战

最新推荐文章于 2025-02-26 09:50:02 发布

AI炮灰

最新推荐文章于 2025-02-26 09:50:02 发布

阅读量646

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习实战代码40例文章标签： gru python tensorflow 机器学习深度学习

本文链接：https://blog.youkuaiyun.com/bigData1994pb/article/details/124920525

深度学习实战代码40例专栏收录该内容

26 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍如何利用GRU神经网络模型进行股票价格预测。通过Python和TensorFlow库，构建深度学习模型，详细阐述数据预处理、模型训练及结果评估的过程。

import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
from tensorflow.keras.layers import Dropout, Dense,GRU
import os
import pandas as pd
from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics import mean_squared_error, mean_absolute_error
import math
import PySide2

dirname = os.path.dirname(PySide2.__file__)
plugin_path = os.path.join(dirname, 'plugins', 'platforms')
os.environ['QT_QPA_PLATFORM_PLUGIN_PATH'] = plugin_path

maotai = pd.read_csv('./Sh600519.csv')  # 读取股票数据
training_set = maotai.iloc[0:2426 - 300, 2:3].values  # 前（2426-300=2126）天的开票价格作为训练集，表格从0开始计数，2：3是读取【2：3）列，前闭后开,故提取c列开盘价
test_set = maotai.iloc[2426 - 300:, 2:3]  # 后300天开盘价作为测试集

# 归一化
sc = MinMaxScaler(feature_range=(0, 1))  # 定义归一化：归一化到（0，1）之间
training_set_scaled = sc.fit_t

了解本专栏