手把手：Python加密货币价格预测9步走，视频＋代码

YouTube网红小哥Siraj Raval系列视频又和大家见面啦！今天要讲的是加密货币价格预测，包含大量代码，还用一个视频详解具体步骤，不信你看了还学不会！

点击观看详解视频

时长22分钟

有中文字幕

预测加密货币价格其实很简单，用Python+Keras，再来一个循环神经网络（确切说是双向LSTM），只需要9步就可以了！比特币以太坊价格预测都不在话下。

这9个步骤是：

数据处理

建模

训练模型

测试模型

分析价格变化

分析价格百分比变化

比较预测值和实际数据

计算模型评估指标

结合在一起：可视化

数据处理

导入Keras、Scikit learn的metrics、numpy、pandas、matplotlib这些我们需要的库。

首先，要对数据进行归一化处理。关于数据处理的原则，有张大图，大家可以在大数据文摘公众号后台对话框内回复“加密货币”查看高清图。

建模

我们用到的是一个3层RNN，dropout率20%。

双向RNN基于这样的想法：时间t的输出不仅依赖于序列中的前一个元素，而且还可以取决于未来的元素。比如，要预测一个序列中缺失的单词，需要查看左侧和右侧的上下文。双向RNN是两个堆叠在一起的RNN，根据两个RNN的隐藏状态计算输出。

举个例子，这句话里缺失的单词gym要查看上下文才能知道（文摘菌：everyday?）：

I go to the ( ) everyday to get fit.

训练模型

这里取batch size = 1024，epoch times = 100。我们需要最小化均方误差MSE。

测试模型

分析价格变化

分析价格百分比变化

比较预测值和实际数据

计算模型评估指标

结合在一起：可视化

终于可以看看我们的成果啦！

首先是预测价格vs实际价格：

然后是预测的百分比变化vs实际的百分比变化，值得注意的是，这里的预测相对实际来说波动更大，这是模型可以提高的部分：

Y_daybefore, Y_test, delta_predict, delta_real, fig2 = price_change(Y_daybefore, Y_test, y_predict)

#Show the plot

plt.show(fig2)

最终模型表现是这样的：

怎么样，看完有没有跃跃欲试呢？

代码下载地址：

https://github.com/llSourcell/ethereum_future/blob/master/A%20Deep%20Learning%20Approach%20to%20Predicting%20Cryptocurrency%20Prices.ipynb

原视频地址：

https://www.youtube.com/watch?v=G5Mx7yYdEhE

作 者|Siraj Raval大数据文摘经授权译制

翻 译|糖竹子、狗小白、邓子稷

时间轴|韩振峰、Barbara、菜菜Tom

监 制|龙牧雪

【今日机器学习概念】

Have a Great Definition

志愿者介绍

回复“志愿者”加入我们