importpandas aspd
importnumpy asnp
importtushare asts
importmatplotlib.pyplot asplt
# 构建长短时神经网络需要的方法
fromsklearn.preprocessing importMinMaxScaler
fromkeras.models importSequential
fromkeras.layers importDense, LSTM, BatchNormalization
# 需要之前90次的数据来预测下一次的数据
need_num = 90
# 训练数据的大小
training_num = 3000
# 迭代10次
epoch = 10
batch_size = 32
# 训练数据的处理,我们选取整个数据集的前6000个数据作为训练数据,后面的数据为测试数据
# 从csv读取数据
dataset = pd.read_csv('900957.csv')
# 我们需要预测开盘数据,因此选取所有行、第四列数据
dataset = dataset.iloc[:, 3:4].values
# 训练数据就是上面已经读取数据的前6000行
training_dataset = dataset[:training_num]
# 因为数据跨度几十年,随着时间增长,人民币金额也随之增长,因此需要对数据进行归一化处理
# 将所有数据归一化为0-1的范围
sc = MinMaxScaler(feature_range=(0, 1))<