Nifty Prediction
1.0.0
Nifty-Prediction
└───Documents
└───Nifty-50-Prediction
└───models
└───Screenshots
レポート、PPT、および第7学期と8学期のプロジェクト日記が含まれています。
ドキュメントディレクトリ
Documents
| 7th sem project diary smpp.pdf
| PPT Sem8 Stock Market Prediction.pdf
| Project Report Stock Market Prediction.pdf
| Sem 8 Project Diary.pdf
| Sem8 report stock Price Prediction.pdf
| Stock Market Prediction PPT-converted.pptx
次のDjangoプロジェクトファイルとフォルダーが含まれています。
Nifty-50-Predictionディレクトリ
Nifty-50-Prediction
└───Stock_Prediction
└───lstm
└───stock
| db.sqlite3
| manage.py
| nifty50Companies.csv
Djangoプロジェクトには、プロジェクトの設定、URL、共有テンプレート、静的ファイルなど、プロジェクト全体に適用される構成がいくつかあります。各アプリケーションには独自のデータベースがあり、HTMLテンプレートのユーザーにデータが表示される方法を制御する独自の機能を備えています。
stock_predictionディレクトリ
Stock_Prediction
| __init__.py
| asgi.py
| settings.py
| urls.py
| wsgi.py
データの長期的な依存関係を学習できるのは、特別な種類の再発性ニューラルネットワークです。これは、モデルの繰り返しのモジュールには、互いに相互作用する4つの層の組み合わせがあるために達成されます。
LSTMディレクトリ
lstm
| RunModel.py
| TrainModel.py
| lstmModel_final.json
| weights_final.h5
LSTMモデル
次のコードはtrainModel.pyからです
model = Sequential ()
model . add ( LSTM ( 64 , activation = 'relu' , return_sequences = True , input_shape = ( n_steps , n_features )))
model . add ( LSTM ( 64 , activation = 'relu' ))
model . add ( Dense ( 1 ))
model . compile ( optimizer = 'adam' , loss = 'mse' ,)
model . fit ( X , y , epochs = 30 , verbose = 1 ) 30日間の予測
次のコードはrunmodel.pyからです
def getNext30Days ( self ):
self . __inputHandler ()
dataset = self . data
dataset = dataset [ 'Close' ]. values
dataset = dataset [ len ( dataset ) - 30 :]
n_features = 1
n_steps = 30
past_days = 30
# demonstrate prediction for next 30 days
x_input = np . array ( dataset . tolist ())
temp_input = list ( x_input )
lst_output = []
i = 0
while ( i < 30 ):
if ( len ( temp_input ) > past_days ):
x_input = np . array ( temp_input [ 1 :])
x_input = x_input . reshape (( 1 , n_steps , n_features ))
yhat = self . model . predict ( x_input , verbose = 0 )
temp_input . append ( yhat [ 0 ][ 0 ])
temp_input = temp_input [ 1 :]
lst_output . append ( yhat [ 0 ][ 0 ])
i = i + 1
else :
x_input = x_input . reshape (( 1 , n_steps , n_features ))
yhat = self . model . predict ( x_input , verbose = 0 )
temp_input . append ( yhat [ 0 ][ 0 ])
lst_output . append ( yhat [ 0 ][ 0 ])
i = i + 1
print ( lst_output )
predictions = lst_output
return predictions Djangoアプリケーションは、Djangoプロジェクトで使用することを目的としたPythonパッケージです。アプリケーションは、モデル、テスト、URL、ビューサブモジュールなどの一般的なDjango規則を使用する場合があります。
ストックディレクトリ
stock
└───migrations
└───templates
| | base.html
| | home.html
| | signup.html
| __init__.py
| admin.py
| apps.py
| forms.py
| models.py
| tests.py
| views.py
SQLite3は、リレーショナルデータベース管理システムを提供するソフトウェアライブラリです。 SQLiteのライトは、セットアップ、データベース管理、および必要なリソースの点で軽量を意味します。 SQLiteには、自己完結型、サーバーレス、ゼロ構成、トランザクションの顕著な機能があります。
ユーザー認証を管理するためにSQLite3を使用しています
このDjangoプロジェクトとさまざまな方法でやり取りできるコマンドラインユーティリティ。 django-admin and manage.pyのmanage.pyのすべての詳細を読むことができます。内側のMySite/ディレクトリは、プロジェクトの実際のPythonパッケージです。
それぞれのシンボルを持つNifty 50企業のリストを含むCSVファイル
モデルを使用した実験が含まれています
モデルディレクトリ
models
| NiftyPrediction.ipynb
| NiftyPrediction.ipynb
UIのスクリーンショットが含まれています
| ホーム/ログインページ | サインアップページ |
|---|---|
 |  |
| 予測 | ニュースセクション |
|---|---|
 |  |
django Djangoは、急速な発展と清潔で実用的なデザインを促進する高レベルのPython Webフレームワークです。nsepy Nsepyは、NSEのWebサイトから歴史的およびリアルタイムデータを抽出するライブラリです。sklearnシンプルで効率的なツールtenserflow Tensorflowは、機械学習用のエンドツーエンドのオープンソースプラットフォームです。keras Kerasは、Pythonで書かれた深い学習APIで、機械学習プラットフォームTensorflowの上で走っています。datetime DateTimeモジュールは、日付と時間を操作するためのクラスを提供します。 Sanket-Kumbhare | スワンクヘード | nihalbhopatrao | kgce-git |
|---|
