import?time
import?warnings
import?numpy?as?np
from?numpy?import?newaxis
from?keras.layers.core?import?Dense?Activation?Dropout
from?keras.layers.recurrent?import?LSTM
from?keras.models?import?Sequential
import?matplotlib.pyplot?as?plt


warnings.filterwarnings（“ignore“）

def?plot_results_multiple（predicted_data?true_data?prediction_len）:
????fig?=?plt.figure（facecolor=‘white‘）
????ax?=?fig.add_subplot（111）
????ax.plot（true_data?label=‘True?Data‘）
????print?‘yo‘
????#Pad?the?list?of?predictions?to?shift?it?in?the?graph?to?it‘s?correct?start
????for?i?data?in?enumerate（predicted_data）:
????????padding?=?[None?for?p?in?xrange（i?*?prediction_len）]
????????plt.plot（padding?+?data?label=‘Prediction‘）
????????plt.legend（）
????plt.show（）

def?load_data（filename?seq_len?normalise_window）:
????f?=?open（filename?‘r‘）.read（）
????data?=?f.split（‘\n‘）

????sequence_length?=?seq_len?+?1
????result?=?[]
????for?index?in?range（len（data）?-?sequence_length）:
????????result.append（data[index:?index?+?sequence_length]）
????
????if?normalise_window:
????????result?=?normalise_windows（result）

????result?=?np.array（result）

????row?=?round（0.9?*?result.shape[0]）
????train?=?result[:int（row）?:]
????np.random.shuffle（train）
????x_train?=?train[:?:-1]
????y_train?=?train[:?-1]
????x_test?=?result[int（row）:?:-1]
????y_test?=?result[int（row）:?-1]

????x_train?=?np.reshape（x_train?（x_train.shape[0]?x_train.shape[1]?1））
????x_test?=?np.reshape（x_test?（x_test.shape[0]?x_test.shape[1]?1））??

????return?[x_train?y_train?x_test?y_test]

def?normalise_windows（window_data）:
????normalised_data?=?[]
????for?window?in?window_data:
????????normalised_window?=?[（（float（p）?/?float（window[0]））?-?1）?for?p?in?window]
????????normalised_data.append（normalised_window）
????return?normalised_data

def?build_model（layers）:
????model?=?Sequential（）

????model.add（LSTM（
????????input_dim=layers[0]
????????output_dim=layers[1]
????????return_sequences=True））
????model.add（Dropout（0.2））

????model.add（LSTM（
????????layers[2]
????????return_sequences=False））
????model.add（Dropout（0.2））

????model.add（Dense（
????????output_dim=layers[3]））
????model.add（Activation（“l(fā)inear“））

????start?=?time.time（）
????model.compile（loss=“mse“?optimizer=“rmsprop“）
????print?“Compilation?Time?:?“?time.time（）?-?start
????return?model

def?predict_point_by_point（model?data）:
????#Predict?each?timestep?given?the?last?sequence?of?true?data?in?effect?only?predicting?1?step?ahead?each?time
????predicted?=?model.predict（data）
????predicted?=?np.reshape（predicted?（predicted.size））
????return?predicted

def?predict_sequence_full（model?data?window_size）:
????#Shift?the?window?by?1?new?prediction?each?time?re-run?predictions?on?new?window
????curr_frame?=?data[0]
????predicted?=?[]
????for?i?in?xrange（len（data））:
????????predicted.append（model.predict（curr_frame[newaxis::]）[00]）
????????curr_frame?=?curr_frame[1:]
????????curr_frame?=?np.insert（curr_frame?[window_size-1]?predicted[-1]?a

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2017-03-02?02:39??How-to-Predict-Stock-Prices-Easily-Demo-master\
?????文件????????1398??2017-03-02?02:39??How-to-Predict-Stock-Prices-Easily-Demo-master\README.md
?????文件????????3637??2017-03-02?02:39??How-to-Predict-Stock-Prices-Easily-Demo-master\lstm.py
?????文件???????48119??2017-03-02?02:39??How-to-Predict-Stock-Prices-Easily-Demo-master\sp500.csv
?????文件???????62673??2017-03-02?02:39??How-to-Predict-Stock-Prices-Easily-Demo-master\stockdemo.ipynb