dukuanbing / bpnn-stock-price-prediction
使用bp神经网络预测股票价格。BP neural network is used to predict the stock price.
☆35Updated 4 years ago
Alternatives and similar repositories for bpnn-stock-price-prediction:
Users that are interested in bpnn-stock-price-prediction are comparing it to the libraries listed below
- 基于粒子群算法的神经网络优化股票价格预测☆33Updated 4 years ago
- Use BPNN and LSTM to forecast stock price. 使用BP神经网络和LSTM预测股票价格,注释拉满。☆185Updated 2 years ago
- 利用Python实现三层BP神经网络☆80Updated 6 years ago
- 使用随机森林、bp神经网络、LSTM神经网络、GRU对股票收盘价进行回归预测。Random forest, BP neural network, LSTM neural network and GRU are used to predict the closing pric…☆52Updated 4 years ago
- Regression prediction of time series data using LSTM, SVM and random forest. 使用LSTM、SVM、随机森林对时间序列数据进行回归预测,注释拉满。☆182Updated 4 years ago
- 机器学习预测系统汇总:包括贝叶斯网络、马尔科夫模型、线性回归、岭回归、多项式回归、决策树回归、深度神经网络预测☆70Updated 4 years ago
- 使用多种算法(线性回归、随机森林、支持向量机、BP神经网络、GRU、LSTM)进行电力系统负荷预测/电力预测。通过一个简单的例子。A variety of algorithms (linear regression, random forest, support vecto…☆156Updated 4 years ago
- python 用GA算法优化BP神经网络☆147Updated 3 years ago
- 使用卷积神经网络-长短期记忆网络(bi-LSTM)-注意力机制对股票收盘价进行回归预测。The convolution neural network, short-term memory network and attention mechanism are used to…☆248Updated 11 months ago
- 使用svr, mlp, rnn, lstm, am-lstm进行多元时间序列回归预测☆55Updated 2 years ago
- 信息分析预测期末课设_使用ARIMA模型与SVR对一组时间序列数据进行预测分析☆14Updated 5 years ago
- 多元多步时间序列的LSTM模型预测——基于Keras☆79Updated 3 years ago
- 使用支持向量机、弹性网络、随机森林、LSTM、SARIMA等多种算法进行时间序列的回归预测,除此以外还采取了多种组合方法对以上算法输出的结果进行组合预测。Support vector machine, elastic network, random forest, LSTM…☆43Updated 4 years ago
- 基于遗传算法的BP神经网络☆15Updated 3 years ago
- ☆24Updated 2 years ago
- ☆28Updated last year
- 一种有效的电力负荷预测方法☆58Updated 5 years ago
- 基于BP神经网络的股票价格预测☆21Updated 2 years ago
- 利用时间序列预测汽车销量☆37Updated 6 years ago
- Python 建立的BP神经网络处理预测相关公交线路数据☆36Updated 7 years ago
- 用深度学习进行股票预测☆23Updated 2 years ago
- GA,PSO,LSTM...☆23Updated 6 years ago
- Time Series Prediction, Stateful LSTM; 时间序列预测,洗发水销 量/股票走势预测,有状态循环神经网络☆55Updated 7 years ago
- 建立SARIMA-LSTM混合模型预测时间序列问题。以PM2.5值为例,使用UCI公开的自2013年1月17日至2015年12月31日五大城市PM2.5小时检测数据,将数据按时间段划分,使用SARIMA过滤其线性趋势,再对过滤后的残差使用LSTM进行预测,最后对预测结果进行…☆71Updated 6 years ago
- 麻雀算法优化支持向量机 python实现☆13Updated 2 years ago
- Load forecasting using LSTM and BP.使用LSTM、BP神经网络实现负荷预测☆16Updated 3 years ago
- 机器学习预测模型,分别用逻辑回归,决策树,随机森林,神经网络,XGBOOST和支持向量机算法建模,交叉验证,并选出AUC最优的模型。特征工程优化后,AUC值达到0.8259☆54Updated 4 years ago
- CNN+LSTM+Attention predict stock☆45Updated 2 years ago
- 时间序列ARIMA模型的销量预测☆60Updated 6 years ago