Predict Stock Prices Using RNN: Part 2

学完你能

• 用 urllib2 从公开数据源抓取多只股票的历史价格 CSV 数据
• 解释为什么用嵌入向量而非 one-hot 编码来表示股票代码
• 在 TensorFlow 中定义带 embedding lookup 的 RNN 计算图
• 用 tf.tile 与 tf.concat 把价格输入和嵌入向量拼接为 LSTM 输入
• 对股票代码做 label encoding 并按 90/10 划分训练与测试集
• 用 TensorBoard 检查计算图结构并对嵌入向量做可视化

适合你吗

课程特点

内容侧重

按内容目录判断

练习与项目

按文中四个环节复现：抓取多只股票数据 → 标签编码 → 定义带嵌入的图 → 训练并观察价格预测结果与嵌入聚类。

学习时长

1 个课节原站未给出统一学习时长；实际用时取决于已有基础。

内容费用

免费节选可直接读到完整教程正文与代码，未见付费墙或登录拦截。

内容覆盖

• Dataset：从公开数据源下载股票历史价格数据
• Model Construction：设计带股票嵌入的 RNN 结构
• Define the Graph：用 TensorFlow 定义嵌入、tile、concat 等计算图
• Training Session：标签编码与训练集/测试集划分
• Visualize the Graph：用 TensorBoard 查看图结构与嵌入可视化
• Results / Price Prediction（标题，节选未含正文）
• Results / Embedding Visualization（标题，节选未含正文）
• Known Problems（标题，节选未含正文）