![](https://img-blog.csdnimg.cn/20190927151053287.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
经济数据分析
文章平均质量分 81
经济数据分析
优惠券已抵扣
余额抵扣
还需支付
¥29.90
¥99.00
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
前程算法屋
数据分析与算法实践 在此声明,本人与其他账号没有任何关联,凡是打着本人旗号的其他任何人本人概不负责,谢谢
展开
-
时间序列分析 | 用于社区发现的金融时间序列的随机矩阵理论 (RMT) 过滤社区发现算法(Matlab完整程序)
社区发现算法 | 用于社区发现的金融时间序列的随机矩阵理论 (RMT) 过滤(Matlab完整程序)原创 2022-11-20 14:12:52 · 266 阅读 · 0 评论 -
模式分类识别 | Python实现基于LGBM模型的信用类型识别预测
模式分类识别 | Python实现基于LGBM模型信用类型识别预测原创 2022-10-27 22:34:43 · 1144 阅读 · 0 评论 -
经济数据预测 | Python实现ELM极限学习机股票价格时间序列预测
经济数据预测 | Python实现ELM极限学习机股票价格时间序列预测原创 2022-09-13 15:01:45 · 1821 阅读 · 0 评论 -
模式分类识别 | Python实现基于Xboost的股票走势识别预测
模式分类识别 | Python实现基于Xboost的股票走势识别预测原创 2022-08-29 11:11:42 · 795 阅读 · 0 评论 -
经济数据预测 | Python实现CNN-LSTM股票价格预测时间序列预测
经济数据预测 | Python实现CNN-LSTM股票价格预测时间序列预测原创 2022-08-27 14:16:48 · 3058 阅读 · 1 评论 -
时间序列分析 | Python实现Auto-ARIMA时间序列分析
时间序列分析 | Python实现Auto-ARIMA时间序列分析原创 2022-08-18 14:40:51 · 1132 阅读 · 0 评论 -
经济数据预测 | Python实现ARIMA时间序列金融市场预测
经济数据预测 | Python实现ARIMA时间序列金融市场预测原创 2022-08-14 17:15:13 · 1409 阅读 · 0 评论 -
经济数据预测 | Python实现机器学习(MLP、XGBoost)金融市场预测
经济数据预测 | Python实现机器学习(MLP、XGBoost)金融市场预测原创 2022-08-14 16:24:08 · 2237 阅读 · 0 评论 -
数据特征工程 | Python实现CatBoost特征处理及选择
数据特征工程 | Python实现CatBoost特征处理及选择原创 2022-07-28 17:22:49 · 1248 阅读 · 1 评论 -
经济数据分析 | Python实现经济数据时序特征稳定的验证策略
经济数据分析 | Python实现经济数据时序特征稳定的验证策略原创 2022-06-12 15:36:33 · 268 阅读 · 0 评论 -
经济数据预测 | Python实现移动平均(SMA、EMA、WMA)股票价格时间序列预测
经济数据预测 | Python实现移动平均(SMA、EMA、WMA)股票价格时间序列预测原创 2022-06-12 10:41:48 · 1737 阅读 · 0 评论 -
经济数据预测 | Python实现RNN股票价格时间序列预测
股票价格预测 | Python实现RNN股票价格时间序列预测目录股票价格预测 | Python实现RNN股票价格时间序列预测基本介绍发展历史程序设计学习总结基本介绍RNN循环神经网络它由输入层、一个隐藏层和一个输出层组成。x是一个向量,它表示输入层的值(这里面没有画出来表示神经元节点的圆圈);s是一个向量,它表示隐藏层的值(这里隐藏层面画了一个节点,你也可以想象这一层其实是多个节点,节点数与向量s的维度相同);U是输入层到隐藏层的权重矩阵,o也是一个向量,它表示输出层的值;V是隐藏层到输出原创 2022-05-29 19:35:57 · 2553 阅读 · 0 评论 -
数据特征工程 | Python实现经济数据时序特征相关系数稳定性分析
数据特征工程 | Python实现经济数据时序特征相关系数的稳定性分析目录数据特征工程 | Python实现经济数据时序特征相关系数的稳定性分析基本介绍程序设计参考资料基本介绍在时序中,特征也许是具有时效性的,比如在某些市场环境下,股票的收益更看重公司的市盈率,另外的行情时,有看重换手率。本质上,可以反映为:在时间上,特征与目标变量之间相关性的不稳定,为此,我们能做一些相关性分析,帮我们找到这些时间上不稳定的特征,剔除它们,并让模型更加鲁棒。程序设计#---------------------原创 2022-05-27 17:24:21 · 358 阅读 · 0 评论 -
数据特征工程 | Python实现特征工程之缺失值填充
数据特征工程 | Python实现特征工程之缺失值填充目录数据特征工程 | Python实现特征工程之缺失值填充基本介绍程序设计数据统计缺失填补总结参考资料基本介绍Pandas中缺失值填充的技巧:填充具体数值,通常是0;填充某个统计值,比如均值、中位数、众数等;填充前后项的值;基于SimpleImputer类的填充;基于KNN算法的填充程序设计数据统计import pandas as pdimport numpy as npdf = pd.DataFrame({ "原创 2022-05-23 13:08:05 · 196 阅读 · 0 评论 -
时序数据获取 | Python实现时间序列数据集获取
时序数据获取 | Python实现时间序列数据集获取目录时序数据获取 | Python实现时间序列数据集获取基本介绍工具介绍安装使用参考资料基本介绍来自真实世界场景的数据集对于构建和测试机器学习模型非常重要。如果想要一些时间序列数据来简单试验算法和评估模型但本地却没有测试数据,这种情况下就需要考虑如何拿到人工生成的或者真实的时序数据?之前都是通过接口自己来解析数据或者人工生成一些时序数据来测试,缺点是比较麻烦或者数据质量不高而且徒然增加自身工作量!作为调包侠这篇文章推荐一种 Python 数据获取库原创 2022-04-29 17:23:42 · 2019 阅读 · 0 评论 -
经济数据预测 | Python实现ARIMA模型股票趋势预测
经济数据预测| Python实现ARIMA模型股票趋势预测目录经济数据预测| Python实现ARIMA模型股票趋势预测基本介绍数据描述程序设计参考资料基本介绍随着人们生活水平的提高,人们的投资方式也在发生着巨大的变化,越来越多的人开始关注并参与到股票市场投资中去。股票具有高收益的同时也具有高风险性,股票市场受众多因素的影响,价格令人无法捉摸,股票价格预测的研究具有巨大的价值,因此对于股票价格的预测从股票市场诞生之日起,就成了股民与学者们不懈探索的难题。本文以此为背景,建立ARIMA模型,用于研究原创 2022-04-28 20:10:15 · 5286 阅读 · 0 评论 -
经济数据预测 | Python实现金融时间序列数据DateTime方法
经济数据预测| Python实现金融时间序列数据DateTime方法目录经济数据预测| Python实现金融时间序列数据DateTime方法基本介绍程序设计总结基本介绍对于 Pandas 来说,可以处理众多的数据类型,其中最有趣和最重要的数据类型之一就是时间序列数据。时间序列数据无处不在,它在各个行业都有很多应用。患者健康指标、股票价格变化、天气记录、经济指标、服务器、网络、传感器和应用程序性能监控都是时间序列数据的应用方向。我们可以将时间序列数据定义为在不同时间间隔获得并按时间顺序排列的数据点的原创 2022-04-26 19:50:26 · 1158 阅读 · 0 评论 -
时间序列分析 | Python实现时间序列特征生成
时间序列分析 | Python实现时间序列特征生成目录时间序列分析 | Python实现时间序列特征生成基本介绍数据介绍程序设计参考资料基本介绍时间序列建模的时间戳与时序特征衍生思路,时间序列模型在我们日常工作中应用的场景还是会很多的,比如我们去预测未来的销售单量、预测股票价格、预测期货走势、预测酒店入住等等,这也是我们必须要掌握时序建模的原因。数据介绍我们就拿经典的时间序列模型来说一下,一般来说数据集里的数据,可以分为3大类。1)Y值:我们也称之为时序值。如下表中的销量字段;2)时间戳原创 2022-04-26 19:01:44 · 712 阅读 · 1 评论 -
股票价格预测 | Python实现LSTM股票价格时间序列预测
股票价格预测 | Python实现LSTM股票价格时间序列预测目录股票价格预测 | Python实现LSTM股票价格时间序列预测基本介绍数据集程序下载总结基本介绍长短时记忆(LSTM)是一种能增加递归神经网络(RNN)记忆的模型。递归神经网络保留短期记忆,因为它们允许在当前神经网络中更早地确定信息。对于即时任务,RNN使用早期的数据,但我们可能没有利用神经元所有的早期信息。在RNN中,LSTM得到了广泛的应用。视频、自然语言处理、地理空间和时间序列等多个应用领域中,都证实了LSTM的有效性。RN原创 2022-04-25 15:37:58 · 1560 阅读 · 0 评论