import tensorflow as tf
import numpy as np
import pandas as pd
from sklearn.preprocessing import MinMaxScaler
from sklearn.model_selection import train_test_split

# 데이터 불러오기
data = pd.read_csv('주가데이터.csv')

# 주가 데이터 전처리
scaler = MinMaxScaler()
scaled_data = scaler.fit_transform(data)

# 학습 데이터와 테스트 데이터 분리
train_data, test_data = train_test_split(scaled_data, test_size=0.2, shuffle=False)

# 입력 데이터와 출력 데이터 분리
X_train = train_data[:, :-1]
y_train = train_data[:, -1]
X_test = test_data[:, :-1]
y_test = test_data[:, -1]

# 모델 구성
model = tf.keras.Sequential([
    tf.keras.layers.LSTM(32, input_shape=(X_train.shape[1], 1)),
    tf.keras.layers.Dense(1)
])

# 모델 컴파일
model.compile(loss='mean_squared_error', optimizer='adam')

# 모델 학습
model.fit(X_train, y_train, epochs=10, batch_size=32)

# 모델 예측
predicted_price = model.predict(X_test)

# 예측 결과 시각화 등 추가 작업 수행