В последнее время многие люди инвестируют в акции или другие онлайн-инвестиции, такие как инвестиции в золото и доллары. При выполнении заданий колледжа, а именно задачи создания приложений на основе машинного обучения.

Мои друзья и я в группе, которую мы называем друзьями массовых организаций, решили создать приложение для прогнозирования цены золота, серебра и доллара по отношению к рупии для завтрашних цен, где это приложение было создано, чтобы помочь людям, которые хотят инвестировать в золото. или долларов, предсказывая цену завтра.

прогнозирование роста или снижения цен на следующий день, что поможет людям увидеть тенденцию изменения цен на золото, серебро и доллар по отношению к рупии, чтобы им было легче инвестировать и минимизировать потери.

для этого проекта, созданного с нуля вместе с использованием GitHub, для GitHub свяжите этот проект https://github.com/regiapriandi012/PricePredictions.git и для такой структуры каталогов,

```text
└── PricePredictions
    ├── model
    │   ├── __init__.py
    │   ├── modelDolarRidge.py
    │   ├── modelDolarLasso.py
    │   ├── modelDolarLinear.py
    │   ├── modelEmasRidge.py
    │   ├── modelEmasLasso.py
    │   ├── modelEmasLinear.py
    │   ├── modelPerakRidge.py
    │   ├── modelPerakLasso.py 
    │   └── modelPerakLinear.py   
    ├── server
    │   ├── __init__.py
    │   ├── conf
    │   │    ├── __init__.py
    │   │    ├── database.ini
    │   │    └── setting.py
    │   ├── __init__.py
    │   └── connect.py
    ├── static
    │   ├── img
    │   │   ├── bagus.jpg
    │   │   ├── emas.jpg
    │   │   ├── fahri.jpg
    │   │   ├── logo.jpg
    │   │   ├── perak.jpg
    │   │   ├── reqi.jpg
    │   │   ├── sine.jpg
    │   │   └── uang.jpg
    │   └── style.css
    ├── templates
    │   ├── index.html
    │   └── model.html
    ├── __init__.py
    ├── app.py
    ├── requirements.txt
    └── README.md
```

Впервые мы создаем каждую модель машинного обучения, адаптированную к ряду цен на золото, серебро и доллар по отношению к рупии. здесь мы используем базу данных PostgreSQL для хранения данных о цене золота, серебра и долларов по отношению к рупиям. Перед созданием некоторых моделей мы сначала подключаемся к серверу.

чтобы получить набор данных из базы данных, мы используем settings.py

после настройки подключения к базе данных и извлечения данных из базы данных, далее переходим к инициации для каждой модели, ибо здесь мы показываем только один тип модели, а именно модель прогнозирования цены на золото методом линейной регрессии, остальные можно можно увидеть в репозитории Github.

после успешного создания необходимой модели машинного обучения создайте веб-дисплей с помощью HTML CSS и javascript (для графиков chart.js)

наконец, мы сделали основное приложение с помощью фреймворка Flask, в файле app.py есть интеграция между несколькими моделями и веб-интерфейсом.

чтобы просмотреть интерфейс прогнозирования, подобный этому

это все от меня и моих друзей за проекты, которые были завершены и розданы друзьям, спасибо за то, что разработка этого проекта идет гладко, надеюсь, эта небольшая информация будет полезна для друзей.