基于Tensorflow框架的BP神经网络回归小案例--股票预测

(案例)：利用BP实现股票大盘指数的预测，以大盘所包含的500支股票每分钟的收盘价作为样本，预测大盘收盘价，并数据可视化，观测预测值和真实值的规律

导包
import pandas as pd
import numpy as np
from sklearn.preprocessing import MinMaxScaler
import tensorflow as tf
import matplotlib.pyplot as plt
import matplotlib as mpl

解决中文显示问题
mpl.rcParams[‘font.sans-serif’] = [u’SimHei’]
mpl.rcParams[‘axes.unicode_minus’]

设置程序是预测还是训练
FLAGS=tf.app.flags.FLAGS
tf.app.flags.DEFINE_integer(‘is_train’,2,‘指定程序是预测还是训练’)

读取数据：样本数为41266（分钟数），特征数为500（股票数），1个大盘指数标签
data = pd.read_csv(’./data_stocks_predict/data_stocks.csv’).astype(‘float32’)
sample_tatal_num = data.shape[0] # n=41266 每分钟股票的数据
n= data.shape[1] #500支股票的close+大盘指数1列,+日期1列

划分数据集：选取80%的数据进行训练 20%的进行测试
train_start = 0
train_end = int(np.floor(0.8*sample_tatal_num)) #np.floor向下取整
获取分割索引
test_start = train_end + 1
test_end = sample_tatal_num

分割训练集和测试集
data_train = data.iloc[np.arange(train_start, train_end), :]
data_test = data.iloc[np.arange(test_start, test_end), :]

数据标准化
scaler = MinMa