基于深度学习RNN的股票预测Tensorflow2.0实战

软件准备

1. Anaconda 3最新版Tensorflow2.1.0/python3.7.1

方法有多种，可以在Navigator中安装；也可以到prompt中用conda install 或者pip install 安装具体安装并测试代码，大家可以自行搜寻。CSDN上有很多,这里仅给出一个随便查找的windows环境下tensorflow安装过程详解。我本人也是历尽千辛万苦才安装成功，成功了之后又进行了多次更迭都很顺利。简单总结几点我的建议：
1、版本要匹配，使用navigator下载可以帮助你匹配版本问题，并能够看到版本匹配要求，再进行确定下载
2、最新的tensorflow2.1.0可以支持python3.7.1
3、能装Tf的GPU版本还是装一下，在你进行卷积神经网络或者网络深度比较大的时候速度提升非常之恐怖。
4、关于anaconda支持多个python的环境的问题，经过我的测试。确实可以支持多个环境，可以在不同的环境安装不同的python版本，从而安装不同版本的tensorflow，大家都知道tensorflow1.和tensorflow2.差别还是很大。但有一个问题是，anaconda似乎不能支持安装三个spyder,因为我的anaconda有三个环境：base, tf, py35，后两个分别安装了tf2和tf1，导致我在装第三个环境spyder的时候死活装不上，在terminal中pip装上了，却只能打开base环境的spyder,可能anaconda的优化还没做好吧。
我前期学tensorflow遇到的学习资源全是基于1.0的代码，导致复现难度很高。所以有条件的还是两个都装。如果想学tensorflow2.0的推荐一个资源人工智能实践：Tensorflow笔记,B站同步有资源。

数据下载

使用tushare模块下载任意股票的历史数据，你可以修改其中股票的代码即可下载。

import tushare as ts
import matplotlib.pyplot as plt

df1 = ts.get_k_data('600406', ktype='D', start='2010-04-26', end='2020-08-09')

datapath1 = "./SH600406.csv"
df1.to_csv(datapath1)

RNN基本知识

RNN是一种循环神经网络，类似于卷积神经网络在空间上共享参数，提取空间信息；循环神经网络在时间上共享参数，提取时间信息。循环核和卷积核类似，但不是方形的，而是圆柱体的，其迭代公式如图所示。

RNN, LSTM 和 GRU是3个非常常用的循环神经网络，这三个东西里面的内部结构又是什么样的呢。因为后面会对比三个网络的预测效果，所以这里简单介绍一下。
动画图解RNN, LSTM 和 GRU，没有比这个更直观的了！
动图理解一下三者区别，后两个尤其难理解

实战代码

本例是用连续的60天股价预测第61天的

import numpy as np
import tensorflow as tf
from tensorflow.keras.layers import Dropout, Dense, SimpleRNN
import matplotlib.pyplot as plt
import os
import pandas as pd
from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics import mean_squared_error, mean_absolute_error
import math

maotai = pd.read_csv('./SH600406.csv')  # 读取股票文件

training_set = maotai.iloc[0:2426 - 300, 2: