# LSTM

**Repository Path**: plasr/lstm

## Basic Information

- **Project Name**: LSTM
- **Description**: LSTM学习
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2023-05-11
- **Last Updated**: 2023-10-07

## Categories & Tags

**Categories**: Uncategorized

**Tags**: Jupyter-notebook, PyTorch, Deep-learning, Cryptocurrency, LSTM

## README

### DEMO-01 
##### 使用 LSTM 预测 ADA-USD
> 使用神经网络 (NN) 来预测市场上的股票价格变动的想法与 NN 一样古老。直觉上，仅看过去似乎很难预测未来的价格走势。有很多关于如何预测价格趋势或其力量的教程，这简化了问题。我决定尝试使用 LSTM 预测成交量加权平均价格，因为它看起来既有挑战性又有趣。

> 在这篇博文中，我将使用 PyTorch 在比特币交易数据上训练一个长短期记忆神经网络 (LSTM)，并使用它来预测看不见的交易数据的价格。我很难找到包含训练 LSTM 进行时间序列预测的可重复示例的中级教程，因此我整理了这个Jupyter 笔记本来帮助您入门。

- [参考](https://romanorac.github.io/machine/learning/2019/09/27/time-series-prediction-with-lstm.html)
- [数据包-天翼云（访问码：7lia）](https://cloud.189.cn/web/share?code=3myyQbMvqqUz)
- 环境
- -- python version==3.10.6
- -- pandas==1.5.1
- -- numpy==1.23.4
- -- sklearn==1.1.3
- -- torch==1.12.1+cpu
- -- matplotlib==3.6.2


### DEMO-02
##### 使用 LSTM 预测 DOGE-USD
> 这次用的数据源没有问题，预测还是比较准确的。预测数据基本覆盖实际数据

> 数据源是GOGE 2023-01-01到2023-05-08的数据

- [数据源-天翼云 （访问码：veq6）](https://cloud.189.cn/web/share?code=EFjMNrVfeqmi)