写一段lstm股票预测代码

好的，以下是一个简单的LSTM股票预测代码示例：

import pandas as pd
import numpy as np
from sklearn.preprocessing import MinMaxScaler
from keras.models import Sequential
from keras.layers import Dense, Dropout, LSTM

# 加载数据
df = pd.read_csv('stock_data.csv')

# 数据预处理
scaler = MinMaxScaler(feature_range=(0, 1))
scaled_data = scaler.fit_transform(df['Close'].values.reshape(-1, 1))

# 创建训练数据集
prediction_days = 60
x_train = []
y_train = []

for i in range(prediction_days, len(scaled_data)):
    x_train.append(scaled_data[i-prediction_days:i, 0])
    y_train.append(scaled_data[i, 0])

x_train, y_train = np.array(x_train), np.array(y_train)
x_train = np.reshape(x_train, (x_train.shape[0], x_train.shape[1], 1))

# 创建 LSTM 模型
model = Sequential()
model.add(LSTM(units=50, return_sequences=True, input_shape=(x_train.shape[1], 1)))
model.add(Dropout(0.2))
model.add(LSTM(units=50, return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(units=50))
model.add(Dropout(0.2))
model.add(Dense(units=1))

model.compile(optimizer='adam', loss='mean_squared_error')
model.fit(x_train, y_train, epochs=25, batch_size=32)

# 创建测试数据集
test_data = scaled_data[-prediction_days:]
x_test = []

for i in range(prediction_days, len(test_data)):
    x_test.append(test_data[i-prediction_days:i, 0])

x_test = np.array(x_test)
x_test = np.reshape(x_test, (x_test.shape[0], x_test.shape[1], 1))

# 进行预测
predicted_price = model.predict(x_test)
predicted_price = scaler.inverse_transform(predicted_price)

# 输出预测结果
print(predicted_price)

以上代码可以根据提供的股票数据进行股票价格的预测。其中，我们使用 LSTM 神经网络来训练和预测模型，使用 MinMaxScaler 工具将数据进行归一化处理，以便 LSTM 模型更好地处理数据。最后，我们使用训练好的模型对未来的股票价格进行预测，并将预测结果输出。