长短期记忆网络（LSTM）是一种强大的递归神经网络，能够学习长观察值序列。 LSTM的一大优势是它们能有效地预测时间序列，但是作这种用途时配置和使用起来却较为困难。 LSTM的一个关键特性是它们维持一个内部状态，该状态能在预测时提供协助。这就引出了这样一个问题：如何在进行预测之…

这篇文章将使用 Python 来可视化股票数据，比如绘制 K 线图，并且探究各项指标的含义和关系，最后使用移动平均线方法初探投资策略。

「相信很多人都想过让人工智能来帮你赚钱，但到底该如何做呢？瑞士日内瓦的一位金融数据顾问 Gaëtan Rickter 近日发表文章介绍了他利用 Python 和机器学习来帮助炒股的经验，其最终成果的收益率跑赢了长期处于牛市的标准普尔 500 指数。虽然这篇文章并没有将他的方法完全彻底公开，但已公开的内容或许能给我们带来如何用人工智能炒股的启迪。机器之心对本文进行了编译介绍，代码详情请访问原文。」

在本教程中，你将了解到如何使用被称作长短期记忆网络（LSTM）的时间序列模型。LSTM 模型在保持长期记忆方面非常强大。阅读这篇教程时，你将： 使用现有数据预测股票趋势，并将结果可视化。 注意：请不要认为 LSTM 是一种可以完美预测股票趋势的可靠模型，也不要盲目使用它进行股票…

Here’s something that might surprise you: neural networks aren’t that complicated! The term “neural network” gets used as a buzzword a lot,…

在本文开始前，作者并没有提倡LSTM是一种高度可靠的模型，它可以很好地利用股票数据中的内在模式，或者可以在没有任何人参与的情况下使用。写这篇文章，纯粹是出于对机器学习的热爱。在我看来，该模型已经观察到了数据中的某些模式，因此它可以在大多数时候正确预测股票的走势。但是，这个模型是…

在数学上，随机过程被定义为一族时间随机变量，即{x(t),t∈T},其中T表示时间t的变动范围。当T={0,±1,±2,…}时，此类随机过程x(t)是离散时间t的随机函数，称为时间序列。时间序列的构成要素有：长期趋势，季节变动，循环变动，不规则变动： 长期趋势(T)是在较长时期…

众所周知，机器学习代码很难调试。就连简单的前馈神经网络，您也经常需要围绕网络架构、权重值初始化和网络优化做出决策 - 所有这些都可能导致机器学习代码中隐藏BUG。 代码永远不会崩溃、引发异常，甚至变慢。 网络持续训练，损失仍在不断减少。 几个小时后会收敛，但结果却很糟糕。 您可…