11、比特币价格预测与医疗领域的机器学习应用

比特币价格预测与医疗领域的机器学习应用

比特币价格预测

在预测比特币价格方面，研究人员采用了多种时间序列、机器学习和深度学习模型，对历史数据进行分析，以找出最相关的特征来预测比特币价格。通过比较不同模型的均方误差（MSE）和R平方误差，评估各模型的性能。

1. 数据季节性分析
   • 对月度数据进行季节性分解，从季节性图表中可以明显看出月度数据存在季节性，趋势图也显示数据呈上升趋势。
2. ARIMA时间序列模型
   • 每日数据
     • 实现ARIMA模型使用了numpy、pandas、matplotlib、statsmodels、pmdarima和sklearn库。
     • 运用Dickey - Fuller检验判断数据是否平稳，初始检验结果P = 0.98907，远大于0.05，表明数据不平稳。
     • 计算数据集的一阶差分（d = 1）使数据平稳，再次进行Dickey - Fuller检验，p值极低，确认数据已平稳。
     • 绘制一阶差分后每日数据的自相关函数（ACF）和偏自相关函数（PACF）图。
     • 将数据集分为训练集和测试集，使用ARIMA模型进行训练和测试，对未来5天的预测准确率仅为33%。
   • 月度平均数据