一、简介 上一篇中我们较为详细地铺垫了关于RNN及其变种LSTM的一些基本知识，也提到了LSTM在时间序列预测上优越的性能，本篇就将对如何利用tensorflow，在实际时间序列预测任务中搭建模型来完成任务，若你对RNN及LSTM不甚了解，请移步上一篇数据科学学习手札39; 二、数据说明及预处理2.1 数据说明 我们本文使用到的第一个数据来自R中自带的数据集AirPassengers
转载
2024-03-26 11:21:16
28阅读
本文推荐一些免费的预测分析软件，它们主要用于分析统计使用，机器学习和数据挖掘来寻找关于客户行为，市场趋势和原始数据集中其他领域的线索的相关性和模式。其中一些预测建模解决方案可通过许可，免费获得开源或社区版本;其中一些预测分析软件是商业版本的免费版或社区版，但提供的功能较少。什么是预测分析软件?预测分析是高级分析的一个分支，用于对未来未知事件进行预测。预测分析使用数据挖掘，统计，建模，机器学习和人工
转载
2023-10-03 19:43:19
192阅读
# 基金预测：使用Python进行金融数据分析
在金融市场中，基金的表现受到多种因素的影响。为了帮助投资者做出明智的决策，许多研究者和金融分析师尝试利用历史数据和各种算法进行基金的预测。在这篇文章中，我们将探讨如何使用Python进行基金预测，并附上相应的代码示例。
## 基金预测的流程
在进行基金预测时，我们需要遵循一系列的步骤。下面是整个流程的概览：
```mermaid
flowch
原创
2024-10-27 05:29:24
273阅读
文章目录系列文章目录前言一、设计思路二、后端改动抓取基金历史数据对比数据得到高低点三、前端改动结果展示 前言因为我买的基金比较多，超过10支，然后每天2：40以后开始看那些基金的涨跌的时候总有一些会漏掉(或者很麻烦)，所以我就想在这个列表里面加一个提醒当在一段时间内达到最高最低点就提醒出来，这样有个直观的表现比较好，就不需要一个个的点进去看了本篇实现的功能比较简单就单纯的写下前后端的改动一、设计
转载
2023-12-25 05:43:42
52阅读
一、线性回归原理 根据数据建立回归模型，w1x1+w2x2+……+wnxn+b = y，通过真实值与预测值之间建立误差，使用梯度下降优化得到损失最小对应的权重和偏置。最终确定模型的权重和偏置参数。最后可以用这些参数进行预测。 二、实现方式 该部分采用python编程语言实现线性回归，用pycharm导入tensorflow环境，编写完成后，并执行代码，用anaconda prompt命窗口，用ac
转载
2024-03-07 13:30:16
266阅读
大小盘轮动选股策略Python量化交易——使用`qteasy`测试一个大小盘轮动交易策略问题介绍策略思想策略的实现创建交易策略配置回测参数策略的回测结果策略的进一步改进可视化报告的使用交易明细报告改进后的策略设置改进后的结果策略思路的延伸 Python量化交易——使用qteasy测试一个大小盘轮动交易策略问题介绍今天我们尝试利用qteasy模块来测试一个大小盘轮动交易策略，看看它能否给我们带来超
转载
2024-02-26 18:25:53
21阅读
（说明下，本篇的源码有点问题导致预测的温度有问题，请继续往后面的章节看，有原因和解决办法）一、前言最近人工智能、深度学习又火了，我感觉还是有必要研究一下。三年前浅学了一下原理没深入研究框架，三年后感觉各种框架都成熟了，现成的教程也丰富了，所以我继续边学边写。原教程链接：第一章：tensorflow安装与简介课程简介_哔哩哔哩_bilibili所以准备出个系列的教程，给不耐烦看视频或者只是想浅了解一
转载
2024-08-21 11:00:36
26阅读
该数据集包含14个不同的特征，例如气温，大气压力和湿度。 获取数据from __future__ import absolute_import, division, print_function, unicode_literals
try:
# %tensorflow_version only exists in Colab.
%tensorflow_version
转载
2024-02-26 06:32:18
68阅读
数据概览与任务描述： 数据集是精简排序过的，我们唯一需要用到的属性就是[‘Lane 1 Flow (Veh/5 Minutes)’]。 任务就是用前12个连续时刻的状态数据[St0,St1,…,St11]预测第13个时刻的状态pSt12。数据集处理我就min-max归一化了一下，没特别处理。其中lags=12就是时间步，也就是time_step，所有数据都被我做成了三维的矩阵，与LSTM的输入输出
转载
2024-03-26 08:13:58
26阅读
介绍本系列将介绍如何在阿里云容器服务上运行Kubeflow, 本文介绍如何使用TensorFlow Serving加载训练模型并且进行模型预测。TensorFlow Serving简介TensorFlow Serving是Google开源的一个灵活的、高性能的机器学习模型服务系统，能够简化并加速从模型到生产应用的过程。它除了原生支持TensorFlow模型，还可以扩展支持其他类型的机器学习模型。在
转载
2024-05-10 18:46:39
53阅读
from keras.layers import GRU, Dense, Activation
from keras.models import Sequential
from sklearn.neighbors import KernelDensity
from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics im
转载
2021-08-10 16:15:06
147阅读
本文涉及到的是中国大学慕课《人工智能实践：Tensorflow笔记》第六讲第5-8节的内容，实现循环神经网络（Recurrent Neural Network，RNN）输入1个字母预测下一个字母和输入4个字母预测下一个字母。这几部分的实际意义并不大，但是可以帮助我们理解RNN的原理。单字母预测实现的思路很简单： （1）将abcde转换为独热码； （2）随机生成三个参数矩阵wxh，whh，why；
转载
2024-03-19 13:35:45
71阅读
在一个坐标系中有一些散点，大致图像如下从图中很明显的可以看出，这些散点近似的符合直线方程 y = w * x + b这时候如果再给定一个x，需要你求出对应的y值，那么这就是线性回归的预测问题 (*1)求解这些问题，首先我们需要知道这个直线方程的参数w、b所对应的值(*2)，然后就能轻而易举的计算出y的值了这里，我们把x看作是input(输入)，
转载
2024-05-13 15:38:40
84阅读
读取基金数据，然后画线# coding: utf-8
import pandas as pd
import matplotlib.pyplot as plt
# 读取csv文件里的基金数据
fund = pd.read_csv("./csv/001112.csv", dtype={"fcode":str})
fund['fdate'] = pd.to_datetime(fund['fdate'
转载
2024-01-02 22:09:19
233阅读
我们把训练模型建立以后，投入到生产环境的时候，问题来了，一张图片进行预测，tensorflow启动加载模型在进行需要跑好几秒钟，才能得出一个预测值。这在真实环境中是不允许的。因为太慢了，为了找出原因所在，开始了如下的探究和测试。调试确定问题以google-inception模型中的test.py为例，先在测试模型中记录两个时间，最后相互减就得出所用时间，确定在哪一个环节耗时严重。# coding=
转载
2024-04-23 21:05:50
32阅读
引言：最近，一直在看关于时间序列预测这一方面的东西。在这里总结一下：1.时间序列分析常用的模型有AR,MA,ARIMA,以及RNN和LSTM2.大多数预测模型都能做时间序列分析（主要是如何将已知问题转化为带有时间戳的序列问题）3.我们常说的预测我总结出来有两层含义：（1）目前我查资料遇到最多的“预测”：实际上就是做曲线拟合，根据一部分数据进行建模（拟合曲线），然后用另一部分数据对所建的模型进行测试
转载
2024-05-06 12:24:44
36阅读
2020年11月30日之前的历史数据。 12月1号买入后， 过一个星期的涨幅 预测结果：JJ.240022 0.037074682566729036JJ.000336 0.035307269171717996JJ.540003 0.033018412484014305JJ.000219 0.0329
原创
2021-07-30 13:36:37
117阅读
我做了一个预测， 根据前100天的涨幅，预测第101天在哪个分段位。
将涨幅分了5个等级
设涨幅为x
x>=1.5. 为 0 段
x>=0.5. 为 1 段
x>=-0.25 为 2 段
x>=-1.25 为 3 段
x<-1.25 为 4 段
T = [1.5, 0.5, -0.25, -1.25]
def getGroup(x
转载
2021-08-10 16:14:44
176阅读
# 基金估值预测：Python实战
在投资领域，基金的估值预测是一个关键环节。准确的估值预测可以帮助投资者更好地判断基金的潜在收益和风险。本文将会介绍如何使用Python进行基金估值预测，并提供相应的代码示例。
## 基金的估值
基金估值一般是基于每单位基金的净值（NAV）来进行的。净值的计算通常是将基金的总资产减去总负债，再除以基金的单位数。为了预测基金的未来估值，我们通常会用到一些统计和
原创
2024-09-23 04:35:56
265阅读
作者 | 何之源前言如何用TensorFlow结合LSTM来做时间序列预测其实是一个很老的话题，然而却一直没有得到比较好的解决。如果在Github上搜索“tensorflow time series”，会发现star数最高的tgjeon/TensorFlow-Tutorials-for-Time-Series已经和TF 1.0版本不兼容了，并且其他的项目使用的方法也各有不同，比较混乱。在此前发布的
转载
2024-05-10 09:06:53
100阅读
