项目围绕贵州茅台股票的历史开盘价数据展开，使用了长短期记忆网络（LSTM）模型来预测股票价格

这个项目是由南京师范大学计算机与电子信息学院/人工智能学院的学生进行的大作业，主题是使用机器学习技术进行股票价格预测。项目围绕贵州茅台股票的历史开盘价数据展开，使用了长短期记忆网络（LSTM）模型来预测股票价格。 具体的工作分为以下几个主要部分： 1. **数据预处理**：使用Pandas加载历史股票数据，选择开盘价作为目标特征，并将数据分为训练集和测试集。使用MinMaxScaler对数据进行归一化处理，以便于模型训练和预测。 2. **模型构建**：构建一个包含两层LSTM和Dropout层的深度学习模型，最终通过一个全连接层输出预测值。使用Adam优化器和均方误差作为损失函数。 3. **模型训练与优化**：模型在50个epochs内进行训练，使用ModelCheckpoint来保存在验证集上表现最好的模型权重。 4. **模型评估与预测结果分析**：使用训练好的模型对测试集数据进行预测，计算均方误差、均方根误差和平均绝对误差来评估模型的预测准确性，并通过图表展示预测结果与实际结果的对比。 5. **结果展示与分析**：通过可视化手段展示了模型的预测效果，并分析了模型的表现。 该项目的最终目标是通过深度学习技术提高股票价格预测的准确性，以便为相关决策提供科学依据。