untilyouydc

时间序列预测系列2 本文是时间序列预测的第二篇。 第一篇讲的是如何利用LSTM预测沪深指数的收盘价，其中我们只用收盘价作为输入数据。但其实这种做法并不完美，因为我们买股票的时候，并不只盯着收盘价的变化来分析，我们往往还会看收盘价，最高价，最低价，交易量等因素。 因此本文将介绍，如何利用一支股票的多个因素（最高价，最低价，开盘价，收盘价，交易量…）来预测股票的收盘价。基础的模型仍然是LSTM。 数据读取 本次实验使用中国黄金的历史数据。数据可以从下面的链接获取。 链接：https://pan.baidu.c.

时间序列预测系列1 本文是时间序列预测的第一篇，从最简单的使用LSTM来预测沪深300指数的收盘价。数据中只使用沪深300指数的收盘价，不考虑其他因素（开盘价，交易量等）。 本文没有使用到高级的技术，仅仅只是调用一下LSTM而已，但对刚刚入门的人来说，学习如何处理数据，如何利用Keras搭建模型，是非常有用的。 当熟悉了如何处理数据，如何搭建模型以后。后面很多实验就能很快实现了。 基本的LSTM预测 使用LSTM搭建模型，数据集使用沪深300指数的收盘价。 时间步长T（即由前T天的数据，预测T+1天），.

k邻近算法实现 前言 k邻近算法是经典的机器学习算法，也是较为简单的一种。它的基本思想非常简单，去寻找与之最相近的一些点，根据这些点的性质，判断新点的性质。实现k邻近一般有两种方法，暴力计算和基于KD树的算法。 暴力计算 简而言之，直接遍历所有点，计算新点与这些点的距离，然后选出距离最相近的k个点。再根据这k个点的性质来做出判断。 基于KD树的实现 首先，需要了解KD树的思路。由于已经存在讲解非常好的博客，这里不在叙述KD树的思路，可以参考博客：KD树算法思路 KD树算法图解 本博客主要介绍如何用代码实现.

1. 打开pycharm（确保python为3.5以上）2. 命令行输入 pip install tensorflow3. 如果没有翻墙的话，速度会比较慢，所以建议使用清华镜像进行下载：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow...