写一个用BP神经网络进行股价预测的代码

好的，以下是一个简单的用BP神经网络进行股价预测的Python代码：

import numpy as np
from sklearn.neural_network import MLPRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 读取数据集
data = np.loadtxt('stock_prices.csv', delimiter=',', skiprows=1)

# 准备数据
X = data[:, :-1]  # 特征
y = data[:, -1]   # 标签

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建BP神经网络模型
model = MLPRegressor(hidden_layer_sizes=(100,), activation='relu', solver='adam', max_iter=500)

# 训练模型
model.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = model.predict(X_test)

# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
print("均方误差：", mse)

需要注意的是，这个代码中使用的是sklearn库中的MLPRegressor类来构建BP神经网络模型，其中hidden_layer_sizes参数指定的是隐藏层的神经元数量，activation参数指定的是激活函数，solver参数指定的是优化算法，max_iter参数指定的是最大迭代次数。在实际使用中，可以根据数据集的特点和实验结果来进行调整。同时，股票预测是一个复杂的问题，仅仅使用BP神经网络可能无法取得很好的效果，还需要结合其他技术和方法来进行预测。