from?matplotlib.dates?import?DateFormatter?WeekdayLocator?DayLocator?MONDAYYEARLY
from?matplotlib.finance?import?quotes_historical_yahoo_ohlc?candlestick_ohlc
#import?matplotlib
import?tushare?as?ts
import?pandas?as?pd
import?matplotlib.pyplot?as?plt
from?matplotlib.pylab?import?date2num
import?datetime
import?numpy?as?np
from?pandas?import?Dataframe
from?numpy?import?row_stackcolumn_stack

df=ts.get_hist_data（‘601857‘start=‘2016-06-15‘end=‘2017-11-06‘）
dd=df[[‘open‘‘high‘‘low‘‘close‘]]

#print（dd.values.shape[0]）

dd1=dd?.sort_index（）

dd2=dd1.values.flatten（）

g1=dd2[::-1]

g2=g1[0:120]

g3=g2[::-1]

gg=Dataframe（g3）

gg.T.to_excel（‘gg.xls‘）?



#dd3=pd.Dataframe（dd2）
#dd3.T.to_excel（‘d8.xls‘）?

g=dd2[0:140]
for?i?in?range（dd.values.shape[0]-34）:

????s=dd2[i*4:i*4+140]
????g=row_stack（（gs））

fg=Dataframe（g）

print（fg）????
fg.to_excel（‘fg.xls‘）?


#-*-?coding:?utf-8?-*-
#建立、訓練多層神經網絡，并完成模型的檢驗
#from?__future__?import?print_function
import?pandas?as?pd


inputfile1=‘fg.xls‘?#訓練數據
testoutputfile?=?‘test_output_data.xls‘?#測試數據模型輸出文件
data_train?=?pd.read_excel（inputfile1）?#讀入訓練數據（由日志標記事件是否為洗浴）
data_mean?=?data_train.mean（）
data_std?=?data_train.std（）
data_train1?=?（data_train-data_mean）/5??#數據標準化

y_train?=?data_train1.iloc[:120:140].as_matrix（）?#訓練樣本標簽列
x_train?=?data_train1.iloc[:0:120].as_matrix（）?#訓練樣本特征
#y_test?=?data_test.iloc[:4].as_matrix（）?#測試樣本標簽列

from?keras.models?import?Sequential
from?keras.layers.core?import?Dense?Dropout?Activation

model?=?Sequential（）?#建立模型
model.add（Dense（input_dim?=?120?output_dim?=?240））?#添加輸入層、隱藏層的連接
model.add（Activation（‘relu‘））?#以Relu函數為激活函數
model.add（Dense（input_dim?=?240?output_dim?=?120））?#添加隱藏層、隱藏層的連接
model.add（Activation（‘r