2019-02-18? by 崔斐然?

目標：實現股票日線的繪制并且利用人工神經網絡實現股票價格的擬合。

分為兩大部分，第一部分基礎數據繪制，第二部分BP神經網絡搭建

第一部分：基礎數據圖繪制

?

1、導入模塊：

import os import tensorflow as tf import numpy as np import matplotlib.pyplot as pltos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

2、手動添加數據，準備了15組數據，橫坐標表示天數 ，使用for循環加載進去，繪制折線圖：

?

# date 表示日期 date = np.linspace(1,15,15) # endprice 表示收盤價格 endPrice = np.array([2511.90,2538.26,2510.68,2591.66,2732.98,2701.69,2701.29,2678.67,2726.50,2681.50,2739.17,2715.07,2823.58,2864.90,2919.08] ) # 設置開盤價格 beginPrice = np.array([2438.71,2500.88,2534.95,2512.52,2594.04,2743.26,2697.47,2695.24,2678.23,2722.13,2674.93,2744.13,2717.46,2832.73,2877.40])print(date)

打印結果如下：

3、繪制柱狀圖：

(1)figure語法說明

figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)

num:圖像編號或名稱，數字為編號 ，字符串為名稱
figsize:指定figure的寬和高，單位為英寸；
dpi參數指定繪圖對象的分辨率，即每英寸多少個像素，缺省值為80 ?????1英寸等于2.5cm,A4紙是 21*30cm的紙張?
facecolor:背景顏色
edgecolor:邊框顏色
frameon:是否顯示邊框

(2)使用for循環完成數據裝載

import os import tensorflow as tf import numpy as np import matplotlib.pyplot as pltos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'# date 表示日期 date = np.linspace(1,15,15) # endprice 表示收盤價格 endPrice = np.array([2511.90,2538.26,2510.68,2591.66,2732.98,2701.69,2701.29,2678.67,2726.50,2681.50,2739.17,2715.07,2823.58,2864.90,2919.08] ) # 設置開盤價格 beginPrice = np.array([2438.71,2500.88,2534.95,2512.52,2594.04,2743.26,2697.47,2695.24,2678.23,2722.13,2674.93,2744.13,2717.46,2832.73,2877.40])print(date)plt.figure()for i in range(0,15):# 1 柱狀圖 每個柱狀其實是一個折線dateOne = np.zeros([2])dateOne[0] = i;dateOne[1] = i;priceOne = np.zeros([2])priceOne[0] = beginPrice[i]priceOne[1] = endPrice[i]if endPrice[i]>beginPrice[i]:plt.plot(dateOne,priceOne,'r',lw=8)else:plt.plot(dateOne,priceOne,'g',lw=8) plt.show()

至此，我們完成了基礎數據柱狀折線圖的繪制。下一步實現BP神經網絡的搭建，在下一個筆記中講解。

?

?

?

總結

以上是生活随笔為你收集整理的【机器学习入门笔记13：BP神经网络逼近股票收盘价格】20190218的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。