Я хочу предсказать цену акций на следующие 60 дней с помощью машинного обучения. ⇐ Python

[Anonymous]

Я хотел предсказать цену акций на следующие 60 дней, но после того, как я закончил писать код, вместо этого он предсказал обратный путь. Может ли кто-нибудь мне посоветовать? Как мне это сделать? Я исправил свой код, но он не работает.
Мой код

Код: Выделить всё

import math
from mplfinance.original_flavor import candlestick_ohlc
from sklearn.preprocessing import MinMaxScaler
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense, Dropout
from tensorflow.keras.callbacks import ModelCheckpoint, EarlyStopping
from sklearn.metrics import mean_squared_error

Tencent2.head()
#Define the features and target
##features = ['Open', 'Vol.']
##target = 'Price'

#Plot line chart
Tencent2['Date'] = pd.to_datetime(Tencent2['Date'])
plt.figure(figsize=(15,6))
plt.plot(Tencent2['Date'], Tencent2['Close'], marker='.')
plt.title('Close by Month', fontsize=15)
plt.xlabel('Date', fontsize=13)
plt.ylabel('Close', fontsize=13)
plt.xticks(rotation=45)
plt.show()

#Plot Candle Chart
matplotlib_date = mdates.date2num(Tencent2['Date'])
ohlc = np.vstack((matplotlib_date,Tencent2['Open'],Tencent2['High'],Tencent2['Low'],Tencent2['Close'])).T
plt.figure(figsize=(15,6))
ax = plt.subplot()
candlestick_ohlc(ax,ohlc,width=0.8,colorup='g',colordown='r')
ax.xaxis_date()
plt.title('Movement of Close Price')
plt.xlabel('Date')
plt.ylabel('Close Price')
plt.xticks(rotation=45)
plt.grid(True)
plt.show()

#Resetting the index
Tencent2.set_index('Date', inplace=True)

#Create a new dataframe with only the 'Close' column
data = Tencent2.filter(['Close'])

#Convert the dataframe to a numpy array
dataset = data.values
#Get the number of rows to train the model on
training_data = math.ceil( len(dataset) * 0.7 )

#Scale the data
scaler = MinMaxScaler(feature_range=(0,1))
scaled_data = scaler.fit_transform(dataset)

#Create the training data set
#Create the scaled training data set
train_data = scaled_data[0:training_data, :]
#Split the data into x_train and y_train data sets
x_train = []
y_train = []
#We create a loop
for i in range(60, len(train_data)):
x_train.append(train_data[i-60:i, 0])
y_train.append(train_data[i, 0])
if i 

Подробнее здесь: [url]https://stackoverflow.com/questions/78665213/i-want-to-predict-stock-price-in-next-60-days-by-machine-learning[/url]