这部影片是系列教学的第三部分，重点在使用...from Bill Simons

07 Oct 2025, 12:07 · Views 60

这部影片是系列教学的第三部分，重点在使用循环神经网络 (RNN) 和长短期记忆网络 (LSTM) 来预测黄金价格。视频中详细介绍了从数据预处理到模型训练和评估的整个过程。

Disclaimer: The views expressed are solely those of the author and do not represent the official position of Followme. Followme does not take responsibility for the accuracy, completeness, or reliability of the information provided and is not liable for any actions taken based on the content, unless explicitly stated in writing.

Like this article? Show your appreciation by sending a tip to the author.

Reply 2

Bill Simons

Author

07 Oct

一、数据处理视频首先讲解了时间序列数据的预处理过程：将日线数据转换为月线和年线，以便分析更长期的趋势。对数据进行了标准化处理（归一化到 0～1 区间），以提升模型训练的稳定性与预测精度。二、模型构建视频使用了功能强大的时间序列预测库——Darts：支持多种模型，如ARIMA、RNN、LSTM等。通过统一的接口，可以快速比较不同模型的预测效果。三、协变量设计为提升模型的预测能力，视频中加入了协变量（例如年份、月份等），帮助模型捕捉时间特征和季节性变化，从而更准确地预测价格走势。四、模型训练与评估视频演示了RNN 和 LSTM 模型的训练全过程。使用**平均绝对百分比误差（MAPE）**作为模型性能的衡量指标。通过可视化结果对模型预测效果进行直观评估。

Bill Simons

Author

07 Oct

💡 技术亮点 1. LSTM 模型 LSTM（长短期记忆网络）是一种特殊的 RNN，非常适合处理时间序列预测任务。能有效捕捉数据中的长期依赖关系，在预测复杂的金融或商品价格时具有显著优势。 2. Darts 库 Darts 是专为时间序列分析与预测而开发的开源 Python 库。提供统一接口与多模型集成，可轻松在传统统计模型与深度学习模型之间切换。还支持协变量输入、异常检测与模型组合等高级功能。 🎓 学习价值这个系列视频非常适合机器学习与量化交易入门者：帮助观众掌握从数据处理到模型评估的完整流程。通过动手实践，理解时间序列预测中的核心概念（如标准化、协变量、模型评估指标等）。为后续更复杂的预测模型（如混合模型或多变量预测）奠定基础。

-THE END-

Bill Simons

5 Posted · 53 Followers

我是 Bill，对人工智能与金融数据研究充满兴趣，主要关注黄金市场的价格变化规律。

Bill Simons

在这期内容里，我们将一起学习如何使用 Python 和 AI 机器学习模型来预测商品价格。视频会带你从零开始，完整走一遍数据处理、模型训练、预测可视化的全过程。首先，我们会介绍编程环境和工具。你将看到如何在 Jupyter Notebook 和 Google Colab 中运行代码、读取数据，以及用 Matplotlib、Pandas、NumPy 等库来完成数据处理和可视化。此外，我们还会使用一个非常实用的时间序列预测库 —— Darts。接着，我们进入数据部分。视频会演示如何导入 CSV 文件、清洗和整理数据、把日线数据转换为月线数据，并划分训练集和测试集，为模型训练做好准备。在模型部分，我们会介绍两种核心算法：一种是指数平滑模型（Exponential Smoothing），适合平稳的时间序列；另一种是随机森林模型（Random Forest），通过集成学习捕捉复杂的非线性关系。我们将使用这些模型进行训练，并通过 MAPE（平均绝对百分比误差）来评估预测精度。同时，你也会看到**回测（Backtest）**的过程，了解模型在历史数据上的表现。最后，视频将展示预测结果与真实数据的对比图，让你直观看到模型的预测能力。值得一提的是，本视频的内容仅供学习与研究使用，

Bill Simons