Gagnez de l'argent rapidement en crypto-monnaie en utilisant Python

FL’équipe de science des données B a vu l’ère des données approcher. Ils ont créé leur Prophète pour prévoir les données. Bien que son utilisation ne se limite pas aux actions, il s’agit d’un outil pratique pour quiconque tente de comprendre les chiffres et les mouvements. Selon eux, le Prophète était censé :
permettre aux experts et aux non-experts d'établir plus facilement des prévisions de haute qualité qui répondent à la demande

Où le Prophète brille

Les questions déterminantes ne peuvent pas être résolues par une technique similaire. Le Prophète est amélioré pour les missions d'estimation commerciale que nous avons expérimentées chez Facebook, qui présentent généralement l'un des attributs associés :

• perceptions horaires, quotidiennes ou hebdomadaires avec environ quelques mois (idéalement une période prolongée) d'histoire
• de solides différentes saisonnalités « à échelle humaine » : jour de la semaine et saison
• événements importants qui se produisent à des moments sporadiques et connus à l'avance (par exemple, le Super Bowl)
• un nombre raisonnable de perceptions manquantes ou d'énormes anomalies
• changements de modèle enregistrés, par exemple, en raison des expéditions d'articles ou des modifications de journalisation
• des motifs qui sont des courbes de développement non directes, où un motif atteint un seuil caractéristique ou s'immerge

Comment fonctionne le Prophète

En son centre, la méthodologie Prophet est un modèle de rechute de toxicomanie composé de quatre parties principales :

• Un modèle de courbure de développement direct ou calculé par morceaux. Prophet distingue par conséquent les changements dans les modèles en choisissant des points de changement à partir des informations.
• Une pièce occasionnelle annuelle affichée en utilisant la série de Fourier.
• Une partie occasionnelle semaine par semaine utilisant des points fictifs.
• Un client a donné un aperçu des événements marquants.

y(t) = g(t) + s(t) + h(t) + ϵ

• G (t) modélise un modèle qui représente une augmentation ou une diminution prolongée de l'information. Prophet rejoint deux modèles de modèles, un modèle de développement immersif et un modèle direct par morceaux, en fonction du type de problème anticipé.
• s(t) modélise l'irrégularité avec la série de Fourier, qui décrit comment les informations sont influencées par des facteurs occasionnels comme la saison (par exemple, davantage de recherches de lait de poule pendant les périodes les plus froides de l'année)
• h(t) modélise les impacts des événements ou des événements énormes qui influencent les séries chronologiques commerciales ϵ. répond à un dernier terme d'erreur

installation

Commencez par importer toutes les bibliothèques nécessaires. Si Prophet n’est pas déjà installé, vous pouvez facilement l’installer avec pip.

pip installer fbprophète

Si vous obtenez l'erreur suivante lors de l'utilisation de Jupiter

Utiliser la commande

conda install -c conda-forge fbprophet

importer json
importer datetimeimporter numpy en tant que np
à partir de fbprophet importer Prophète
importer des pandas en tant que pd
demandes d'importation
importer import_ipynb
importer le pré comme prétraitement
importer matplotlib.pyplot en tant que pltà partir de fbprophet.plot import plot_cross_validation_metric
importer des maths
point final = 'https://min-api.cryptocompare.com/data/histoday'
res = requêtes.get(point de terminaison + '?fsym=USDT&tsym=CAD&limit=500')hist = pd.DataFrame(json.loads(res.content)['Données'])
hist = hist.set_index('heure')
hist.index = pd.to_datetime(hist.index, unit='s')target_col = 'fermer'hist.head(5)
hist['y']=(hist['high']+hist['low'])/2
hist['ds']=hist.indexmodèle = Prophète()
model.fit(hist);futur = model.make_future_dataframe (périodes = 30)
#prévisions à 1 an d'ici.prévision = modèle.predict (futur)figure=model.plot(prévision)
fig2 = model.plot_components (prévision)

Ici, la tendance représente la tendance globale du titre. Hebdomadaire représente la nature cyclique de manière hebdomadaire et annuellement nous indique la nature cyclique d'une année. La figure 2 est utilisée pour décomposer la sortie en ses composants principaux.

C'est ça!

Utilisez cette astuce pour prédire et réaliser des bénéfices.

Vous avez trouvé cet article utile? Suivez-moi (Rahula Raj) sur Medium et consultez mes articles les plus populaires ci-dessous ! S'il vous plaît 👏 cet article pour le partager !

_________________________________********____________________________

Ouvert à la collaboration
Contactez-moi à rahular2020@iimbg.ac.in.

_________________________________********____________________________

Source : https://medium.datadriveninvestor.com/make-quick-money-in-cryptocurrency-using-python-79d661360d7d?source=rss——cryptocurrency-5