株式の終値のLSTM予報に基づいて - パイソン

MinMaxScalerをインポートするときにエラーが発生します「インポート_arpackのはImportErrorから:. DLLのロードに失敗しました：指定されたプログラムを見つけることができません。」
#importを日時
のPdとしてインポートパンダ
NPとしてインポートnumpyの
#fromのnumpyのインポートrow_stack、column_stack 
TSとしてインポートtushare 
の#import matplotlibの
PLTとしてインポートmatplotlib.pyplot 
#from matplotlib.pylabインポートdate2num 
#from matplotlib.datesインポートたDateFormatter、WeekdayLocator、DayLocator、月曜日、YEARLY 
#fromのmatplotlib.financeインポートquotes_historical_yahoo_ohlc、candlestick_ohlc 
sklearn.preprocessing輸入MinMaxScalerのから
#https：//scikit-learn.org/stable/auto_examples/preprocessing/plot_all_scaling.html#sphx-glr-auto-examples-preprocessing-plot -all-スケーリング-PY 
keras.modelsからシーケンシャルをインポート
keras.layersからLSTM、高密度、アクティベーションをインポート




DF = ts.get_hist_data（ '601857'、= '2018年1月12日を' = '2016年6月15日'、始端）
DD = DF [ '開く'、 '高'、 '低'、 '閉じます' ] 

#print（dd.values.shape [0]）

DD1 = DD .sort_index（）

DD2 = dd1.values.flatten（）

DD3 = pd.DataFrame（DD1] [ '近い'）

DEF LOAD_DATA（DF、sequence_length = 10、スプリット= 0.8）：
    
    #DF = pd.read_csv（FILE_NAME、月= ''、usecols = [1]）
    #data_all = np.array（DF）.astype（フロート）
    
    data_all = np.array（DF） .astype（フロート）
    スケーラ= MinMaxScaler（）
    data_all = scaler.fit_transform（data_all）
    データ= [] 
    iに対して範囲（LEN（data_all） - sequence_length - 1）において：
        data.append（data_all [I：+ sequence_length + 1 ]） 
    reshaped_data = np.array（データ）.astype（ 'のfloat64 "） 
    ＃np.random.shuffle（reshaped_data） 
    統一された正規化されたxとyの＃は、正規化されていない
    X = reshaped_dataの[し：、：-1] 
    Y = reshaped_data [：、-1] 
    INT = split_boundary（reshaped_data.shape [0] *スプリット）
    train_x X = [：split_boundary] 
    test_x = xで[split_boundary：] 

    train_y Y = [：split_boundary] 
    test_y = Y [split_boundary：] 

    戻りtrain_x、train_y、test_x、test_y、スケーラ


DEFのbuild_model（）：
    ＃1 input_dim最後の次元は、入力train_xで、寸法（N_SAMPLES、time_steps、input_dim）train_x 
    モデルシーケンシャル=を（） 
    。（LSTM（input_dim = 1、output_dim = model.add 6、return_sequences =真。 ））
    ＃1 model.add（LSTM（6、input_dim = 1、return_sequences = TRUE））
    ＃model.add（LSTM（6、input_shape =（なし、1）、return_sequences = 
    
    TRUE））""」
    ＃1 model.add（LSTM（input_dim = 1、output_dim = 6、input_length = 10、return_sequences = TRUE）） 
    ＃model.add（LSTM（6、input_dim = 1、input_length = 10、return_sequences = TRUE））
    model.add（LSTM（6、input_shape =（10、1）、return_sequences = 
    TRUE））""」
    印刷（model.layers ）
    ＃1 model.add（LSTM（100、return_sequences =真）） 
    ＃のmodel.add（LSTM（100、return_sequences =真））
    model.add）（LSTM（100、return_sequences = False）が
    model.add（高密度（output_dim = 1））
    model.add（活性化（ '線形'））

    model.compile（損失= 'MSE'、オプティマイザ= 'rmsprop'）
    リターン・モデル


デフtrain_model（train_x、train_y、test_x、test_y）：
    モデル= build_model（）

    してみてください： 
        model.fit（train_x、train_y、BATCH_SIZE = 512、nb_epoch = 300、validation_split = 0.1）
        予測= model.predict（test_x）
        予測= np.reshape（予測、（predict.size、））
    KeyboardInterrupt除い：
        プリント（予測）
        プリント（test_y）
    プリント（予測）
    印刷（test_y）
    試す：
        図= plt.figure（1）
        plt.plot（予測、 'R'）
        plt.plot（test_y、 'G-'）
        plt.legend（[ '予測'、 '真']）
    を除きますeと例外：
        印刷（e）の
    リターンを予測、test_y 


場合__name__ == '__main__'：
    #train_x、train_y、test_x、test_y、スケーラ= LOAD_DATA（ '国際航空-passengers.csv'）
    train_x、train_y、test_x、test_y、スケーラ= LOAD_DATA（DD3、sequence_length = 10、スプリット= 0.8） 
    train_x = np.reshape（train_x、（train_x.shape [0]、train_x.shape [1]、1））
    test_x = np.reshape（test_x、（test_x.shape [0]、test_x.shape [1]、1））
    predict_y、 test_y = train_model（train_x、train_y、test_x、test_y）
    predict_y = scaler.inverse_transform（[i]はiに対するpredict_yで]）
    test_y = scaler.inverse_transform（test_y）
    FIG2 = plt.figure（2）
    plt.plot（predict_y、 G '：'）
    plt.plot（test_y、 'R-'）
    plt.show（）
株式の終値のLSTM予報に基づいて - パイソン

おすすめ
