Processus:
Étape 1 : Copiez cet extrait de code et collez-le sur n'importe quel #IDE , #MetaAI ou #ChatGPT en ligne/ordinateur de bureau.
Extrait de code:
importer des pandas en tant que PD
à partir de sklearn.ensemble importer RandomForestRegressor
à partir de sklearn.model_selection importer train_test_split
à partir de sklearn.metrics importer Mean_absolute_error
# Charger le fichier CSV
file_path = 'path_to_your_file.csv' # Remplacez par votre chemin de fichier
noms_colonnes = [
'timestamp_start', 'ouvrir', 'élevé', 'faible', 'fermer', 'volume',
'timestamp_end', 'inconnu1', 'inconnu2', 'inconnu3', 'inconnu4', 'inconnu5', 'inconnu6'
]
# Chargez le fichier CSV avec les noms de colonnes corrects
notcoin_data = pd.read_csv (chemin_fichier, noms = noms de colonnes, skiprows = 1)
# Convertir l'horodatage en un format de date lisible
notcoin_data['timestamp_start'] = pd.to_datetime(notcoin_data['timestamp_start'], unit='ms')
notcoin_data['timestamp_end'] = pd.to_datetime(notcoin_data['timestamp_end'], unit='ms')
# Préparer les fonctionnalités et la variable cible
notcoin_data['next_close'] = notcoin_data['close'].shift(-1)
Features = notcoin_data[['open', 'high', 'low', 'close', 'volume']].iloc[:-1]
cible = notcoin_data['next_close'].iloc[:-1]
# Divisez les données en ensembles de formation et de test
X_train, X_test, y_train, y_test = train_test_split(features, target, test_size=0.2, random_state=42)
# Former le modèle Random Forest
modèle = RandomForestRegressor (n_estimators=100, random_state=42)
modèle.fit (X_train, y_train)
# Évaluer le modèle
prédictions = model.predict(X_test)
mae = Mean_absolute_error (y_test, prédictions)
print(f"Erreur absolue moyenne : {mae}").
Étape 2 : Téléchargez le fichier CSV (.csv) depuis #Binance pour la crypto-monnaie dont vous souhaitez prédire le prochain cours de clôture.
Après avoir téléchargé le fichier .csv pour le crypto souhaité, téléchargez ce fichier sur MetaAI/ChatGPT ou définissez l'emplacement/chemin pour que l'IDE puisse accéder et utiliser le fichier .csv.
Étape 3 : Après avoir configuré l'extrait de code et le fichier .csv, exécutez simplement le corps du programme pour récupérer le prochain cours de clôture.
Clause de non-responsabilité:
Les résultats de la prédiction dépendent des données du fichier .csv fourni.
La prédiction peut avoir une différence de 0,001 entre le prix prévu et le prix réel.
Effectuez toujours des recherches et soyez conscient de la volatilité des crypto-monnaies.
Cet article est totalement impartial et ne garantit aucune sortie de prédiction effectuée par le programme.
Méfiez-vous des dangers potentiels des crypto-monnaies avant de prendre toute décision d’investissement.
![](https://public.bnbstatic.com/image/pgc/202406/a7a32da2ec1a1f271af00b4bdee6acba.png)
Restez à l'écoute!
Faites-moi savoir dans la section commentaires, si vous souhaitez un contenu plus pertinent.