xinchenstephen / stock_prediction
基于粒子群算法的神经网络优化股票价格预测
☆33Updated 4 years ago
Alternatives and similar repositories for stock_prediction:
Users that are interested in stock_prediction are comparing it to the libraries listed below
- 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
- 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
- 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☆72Updated 4 years ago
- 基于BP神经网络的股票价格预测☆22Updated last month
- 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。☆186Updated 2 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
- 基于LSTM的股票价格预测☆62Updated 6 years ago
- (陆续更新)重新整理过的基于机器学习的股票价格预测算法,里面包含了基本的回测系统以及各种不同的机器学习算法的股票价格预测,包含:LSTM算法、Prophet算法、AutoARIMA、朴素贝叶斯、SVM等☆65Updated 4 years ago
- 股票预测,Pytorch,LSTM。☆16Updated 4 years ago
- 使用LSTM对股票价格进行回归预测,对股价涨跌进行分类预测。We use LSTM to forecast the stock price and classify the rise and fall of the stock price.☆18Updated 4 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☆58Updated 7 years ago
- 基于一个马尔可夫链的股票预测模型☆14Updated 4 years ago
- 利用Python实现三层BP神经网络☆80Updated 6 years ago
- 算法根据单个板块或单只股票的历史数据判断板块指数或个股次日收盘价信息,得到相应的调仓对策。可回归(预测具体价格)可分类(预测涨跌)。 长短期记忆模型(LSTM)是循环神经网络(RNN)的一种,每个输入样本都是一个序列(如某板块20天的四价一量)用这个序列预测结果。它认为某些…☆62Updated 5 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
- LSTM和BP神经网络实现对股票开盘价的预测。☆15Updated 4 years ago
- 利用时间序列预测汽车销量☆38Updated 6 years ago
- 这是一个基于LSTM-RNN算法的线上金融股票价格走势预测的小项目,使用tensorflow框架实现。☆44Updated 6 years ago
- 时间序列ARIMA模型的销量预测☆62Updated 6 years ago
- 深度学习-贵州茅台股票预测 PCA、FA、RNN、LSTM、GRU☆25Updated 3 years ago
- LSTM神经网络预测沪深300指数及其涨跌☆39Updated 4 years ago
- Tensorflow实例:利用LSTM预测股票☆30Updated 6 years ago
- DBN股票预测的,改的程序,加了训练方法和tensorboard可视化等☆27Updated 6 months ago
- 基于iris数据集进行四种机器学习算法(决策树、朴素贝叶斯、随机森林、支持向量机SVM)的训练,使用交叉检验(Cross-validation)对比了各算法的预测准确率。☆21Updated 4 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
- 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
- 股票趋势预测☆33Updated 6 years ago
- 基于PyTorch框架,使用LSTM网络对股票价格进行预测☆20Updated 3 years ago
- 机器学习的特征工程,包括特征抽取、特征预处理、特征选择、特征降维。☆25Updated 6 years ago
- 基于BP神经网络的高频金融时间序列分析 (毕设)☆47Updated 6 years ago