Nifty Prediction
1.0.0
Nifty-Prediction
└───Documents
└───Nifty-50-Prediction
└───models
└───Screenshots
7 학기 및 8 학기의 보고서, PPT 및 프로젝트 다이어리가 포함되어 있습니다.
문서 디렉토리
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
다음 Django 프로젝트 파일 및 폴더가 포함되어 있습니다.
Nifty-50- 예측 디렉토리
Nifty-50-Prediction
└───Stock_Prediction
└───lstm
└───stock
| db.sqlite3
| manage.py
| nifty50Companies.csv
Django 프로젝트는 프로젝트 설정, URL, 공유 템플릿 및 정적 파일과 같이 프로젝트 전체에 적용되는 일부 구성을 보유하고 있습니다. 각 응용 프로그램에는 자체 데이터베이스가있을 수 있으며 HTML 템플릿에서 데이터가 사용자에게 표시되는 방법을 제어 할 수있는 자체 기능이 있습니다.
Stock_prediction 디렉토리
Stock_Prediction
| __init__.py
| asgi.py
| settings.py
| urls.py
| wsgi.py
데이터에서 장기 종속성을 배울 수있는 특별한 종류의 반복 신경 네트워크입니다. 모델의 반복 모듈은 서로 상호 작용하는 4 개의 층의 조합이 있기 때문에 이는 달성됩니다.
LSTM 디렉토리
lstm
| RunModel.py
| TrainModel.py
| lstmModel_final.json
| weights_final.h5
우리의 LSTM 모델
다음 코드는 TrainModel.py에서 나온 것입니다
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 일 동안의 예측
다음 코드는 runmodel.py입니다
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 응용 프로그램은 Python 패키지로 Django 프로젝트에서 특별히 사용하기위한 것입니다. 응용 프로그램은 모델, 테스트, URL 및 뷰 서브 모듈과 같은 일반적인 Django 규칙을 사용할 수 있습니다.
주식 디렉토리
stock
└───migrations
└───templates
| | base.html
| | home.html
| | signup.html
| __init__.py
| admin.py
| apps.py
| forms.py
| models.py
| tests.py
| views.py
SQLITE3은 관계형 데이터베이스 관리 시스템을 제공하는 소프트웨어 라이브러리입니다. SQLITE의 라이트는 설정, 데이터베이스 관리 및 필요한 리소스 측면에서 가벼운 것을 의미합니다. SQLITE는 자체 포함, 서버리스, 제로 구성, 트랜잭션과 같은 눈에 띄는 기능이 있습니다.
사용자 인증을 관리하기 위해 SQLITE3을 사용하고 있습니다
이 장고 프로젝트와 다양한 방식으로 상호 작용할 수있는 명령 줄 유틸리티. Django-Admin 및 Manage.py의 Manage.py에 대한 모든 세부 정보를 읽을 수 있습니다. 내부 마이 사이트/ 디렉토리는 프로젝트의 실제 파이썬 패키지입니다.
각각의 상징이있는 Nifty 50 회사 목록을 포함하는 CSV 파일
모델에 대한 실험이 포함되어 있습니다
모델 디렉토리
models
| NiftyPrediction.ipynb
| NiftyPrediction.ipynb
UI의 스크린 샷이 포함되어 있습니다
| 홈/로그인 페이지 | 가입 페이지 |
|---|---|
 |  |
| 예측 | 뉴스 섹션 |
|---|---|
 |  |
django Django는 빠른 개발과 깨끗하고 실용적인 디자인을 장려하는 고급 파이썬 웹 프레임 워크입니다.nsepy NSEPY는 NSE 웹 사이트에서 과거 및 실시간 데이터를 추출하는 라이브러리입니다.sklearntenserflow Tensorflow는 기계 학습을위한 엔드 투 엔드 오픈 소스 플랫폼입니다.keras Keras는 Python으로 작성된 딥 러닝 API로 기계 학습 플랫폼 Tensorflow 위에서 실행됩니다.datetime DateTime 모듈은 날짜 및 시간 조작을위한 클래스를 공급합니다. Sanket-Kumbhare | Swankhede | Nihalbhopatrao | kgce-git |
|---|
