深度学习100例-循环神经网络（RNN）实现股票预测第9天之一

最新推荐文章于 2024-09-06 07:00:00 发布

程序员到程序猴

最新推荐文章于 2024-09-06 07:00:00 发布

阅读量260

点赞数

本文链接：https://blog.csdn.net/m0_72708909/article/details/126289239

版权

RNN递归神经网络(Recurrent Neural Network, RNN)是一种可以专门用来处理时间序列数据的模型。它可以关注到时间连续这一特性，从而从数据中提取相应的信息。RNN中很重要的一点是新状态是从老状态过来的，这也是循环的含义，就相当于是对信息的重复使用。

                 开盘       最高            最低  收盘  成交量
日期                                                 
2015/09/02  3194.49  3160.17  4.232624e+11 NaN  NaN
2015/09/07  3217.58  3080.42  3.026897e+11 NaN  NaN
2015/09/08  3174.71  3170.45  2.639104e+11 NaN  NaN
2015/09/09  3256.74  3243.09  4.129914e+11 NaN  NaN
2015/09/10  3243.28  3197.89  2.995811e+11 NaN  NaN

首先，进行数据处理，我在通达信上下载了上证指数的日线数据，只有1600多行，然后进行了处理，按照老师的代码，自己又改了一下，因为没有那么多的数据，就用前1300行的开盘价数据作为training_set，剩下的数据作为test_set。

training_set = data.iloc[:1300, 0:1].values  #选取1到1300行，第一列的数据也就是开盘价，方括号中逗号之前是行的范围，之后是列的范围
test_set = data.iloc[1300:, 0:1].values      #1300行之后的作为测试集