我们都知道,机器学习正在统治当今世界。你可以用它来预测,机器学习可以帮你预测。无论是乳腺癌预测还是在线杂货店推荐,机器学习无处不在,并被许多小到大的公司使用。然而,这些预测并不是100%准确的。根据应用的算法不同,精度也不同。使用机器学习进行比特币价格预测的准确率可以达到67-70%。
摘要目的:
这个机器学习项目的目标是预测比特币的价格。比特币流行之后,被归类为资产。
概念:
硬件及软件规格:
实现:
如何安装Jupyter笔记本?
使用水蟒:
如果你想使用Anaconda下载Jupyter,你必须使用Anaconda发行版安装python和Jupyter。前往Anaconda 2019 Windows安装程序,你可以在那里找到下载链接。此安装包括Jupyter Notebook。
使用脉冲:
收集的数据集:
为了训练模型来预测比特币价格,我们需要训练数据。收集数据。数据可能会有一些差距。
读取CSV文件。代码如下所示。
data = read.csv(“. . /输入/ data.csv”)
删除您不会使用或不需要的行和列。
现在,将数据集分成两部分。一个是训练数据集,另一个是测试数据集。在这里,我们取了80%的数据集用于训练模型,其余20%用于测试集。
n_train_rows = int (dataset.shape[0] *。8)1
训练数据集=。我loc[:n_train_rows, :]
测试数据集。我loc[n_train_rows:, :]
这里我们使用的是LSTM算法,所以我们需要将数据组织成块。我们的数据每隔1分钟整理一次。我们将使用50个区块进行预测。
现在准备训练数据。
x_train = []
y_train = []
为我在范围(步骤,training_set_scaled.shape[0]步骤):
x_train。追加(training_set_scaled [i-steps:我:])
y_train。追加(training_set_scaled [i:])
X_train, y_train = np.array(X_train), np.array(y_train)
打印(x_train.shape)
结论
就是这样。您成功预测了比特币的价格。然而,使用这个算法会给你70%的准确预测。
2022世界杯亚洲区赛程表时间Skyfi Labs帮助学生学习实用的技能通过构建真实的项目。
你可以和朋友一起报名,并在家门口领取工具包
你可以向专家学习,建立工作项目,向世界展示技能,获得最好的工作。
今天开始!
加入来自36多个国家的25万多名学生,通过建设项目发展实践技能
24小时内发货。使用在线教程进行构建。
保持最新,并使用最新的技术构建项目