首页
/ ADGAT 项目使用教程

ADGAT 项目使用教程

2024-09-28 18:15:52作者:彭桢灵Jeremy
ADGAT
Modeling the Momentum Spillover Effect for Stock Prediction via Attribute-Driven Graph Attention Networks

1. 项目的目录结构及介绍

ADGAT 项目的目录结构如下:

ADGAT/
├── data/
│   └── raw_data/
│       ├── stocks.txt
│       └── relations/
├── Layers.py
├── Model.py
├── README.md
├── main.py
├── utils.py
└── LICENSE

目录结构介绍:

  • data/: 存放预处理后的数据文件。
    • raw_data/: 存放原始数据文件。
      • stocks.txt: 包含选定的198个股票代码。
      • relations/: 存放公司关系数据。
  • Layers.py: 包含模型中的层定义。
  • Model.py: 包含模型的主要实现。
  • README.md: 项目的说明文档。
  • main.py: 项目的启动文件。
  • utils.py: 包含一些辅助函数。
  • LICENSE: 项目的许可证文件。

2. 项目的启动文件介绍

main.py

main.py 是 ADGAT 项目的启动文件。它负责加载数据、初始化模型、进行训练和评估。

主要功能:

  • 数据加载: 从 data/ 目录中加载预处理后的数据。
  • 模型初始化: 使用 Model.py 中定义的模型进行初始化。
  • 训练和评估: 执行模型的训练和评估过程。

使用方法:

$ python main.py --device=0
  • --device=0: 指定使用 GPU 进行计算。

3. 项目的配置文件介绍

ADGAT 项目没有明确的配置文件,但可以通过命令行参数在 main.py 中进行配置。

主要配置项:

  • --device: 指定使用的设备(如 GPU 或 CPU)。
  • --data_path: 指定数据文件的路径(默认使用 data/ 目录中的数据)。

示例:

$ python main.py --device=0 --data_path=./data/

通过这种方式,用户可以根据需要调整项目的配置。

ADGAT
Modeling the Momentum Spillover Effect for Stock Prediction via Attribute-Driven Graph Attention Networks
热门项目推荐
相关项目推荐

热门内容推荐

展开

最新内容推荐

展开

项目优选

收起
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
671
0
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
12
8
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
322
26
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
qwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.56 K
1.44 K
Jpom
🚀简而轻的低侵入式在线构建、自动部署、日常运维、项目监控软件
Java
1.41 K
292
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
30
5
easy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
taro
开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/
TypeScript
35.34 K
4.77 K