貪心科技機(jī)器學(xué)習(xí)訓(xùn)練營（四）

先把來源寫上

來源：貪心學(xué)院，https://www.zhihu.com/people/tan-xin-xue-yuan/activities

這次回歸

之前寫過關(guān)于平安股票的，竟然沒想到是同一個案例

平安股票分析

說明下這個模型是沒用的

import numpy as np # 數(shù)學(xué)計算 import pandas as pd # 數(shù)據(jù)處理, 讀取 CSV 文件 (e.g. pd.read_csv) import matplotlib.pyplot as plt from datetime import datetime as dt

1

2

3

4

5

# 你可以使用如下的方法下載某一個公司的股票交易歷史 # 000001 為平安銀行 # 如果你還沒有安裝, 可以使用 pip install tushare 安裝tushare python包 # import tushare as ts # df = ts.get_hist_data('000001') # print(df) # df.to_csv('000001.csv')

1

2

3

4

5

6

7

df = pd.read_csv('./000001.csv')

1

print(np.shape(df)) df.head()

1

2

(611, 14)

1

股票數(shù)據(jù)的特征

date：日期

open：開盤價

high：最高價

close：收盤價

low：最低價

volume：成交量

price_change：價格變動

p_change：漲跌幅

ma5：5日均價

ma10：10日均價

ma20:20日均價

v_ma5:5日均量

v_ma10:10日均量

v_ma20:20日均量

# 將每一個數(shù)據(jù)的鍵值的類型從字符串轉(zhuǎn)為日期 df['date'] = pd.to_datetime(df['date']) df = df.set_index('date') # 按照時間升序排列 df.sort_values(by=['date'], inplace=True, ascending=True) df.tail()

1

2

3

4

5

6

7

# 檢測是否有缺失數(shù)據(jù) NaNs df.dropna(axis=0 , inplace=True) df.isna().sum()

1

2

3

4

open 0 high 0 close 0 low 0 volume 0 price_change 0 p_change 0 ma5 0 ma10 0 ma20 0 v_ma5 0 v_ma10 0 v_ma20 0 dtype: int64

1

2

3

4

5

6

7

8

9

10

11

12

13

14

K線圖

Min_date = df.index.min() Max_date = df.index.max() print ("First date is",Min_date) print ("Last date is",Max_date) print (Max_date - Min_date)

1

2

3

4

5

First date is 2016-11-29 00:00:00 Last date is 2019-05-30 00:00:00 912 days 00:00:00

1

2

3

plotly畫圖

from plotly import tools from plotly.graph_objs import * from plotly.offline import init_notebook_mode, iplot, iplot_mpl init_notebook_mode() import plotly.plotly as py import plotly.graph_objs as go trace = go.Ohlc(x=df.index, open=df['open'], high=df['high'], low=df['low'], close=df['close']) data = [trace] iplot(data, filename='simple_ohlc')

1

2

3

4

5

6

7

8

9

10

from sklearn.linear_model import LinearRegression from sklearn import preprocessing # 創(chuàng)建新的列, 包含預(yù)測值, 根據(jù)當(dāng)前的數(shù)據(jù)預(yù)測5天以后的收盤價 num = 5 # 預(yù)測5天后的情況 df['label'] = df['close'].shift(-num) # 預(yù)測值 print(df.shape) df.head(6)

1

2

3

4

5

6

7

8

# 丟棄 'label', 'price_change', 'p_change', 不需要它們做預(yù)測 Data = df.drop(['label', 'price_change', 'p_change'],axis=1) Data.tail()

1

2

3

X = Data.values # 0 到 1 X = preprocessing.scale(X) # 后面5個不要 X = X[:-num] df.dropna(inplace=True) Target = df.label y = Target.values print(np.shape(X), np.shape(y)) # (606, 11) (606,)

1

2

3

4

5

6

7

8

9

10

11

12

# 將數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù) X_train, y_train = X[0:550, :], y[0:550] X_test, y_test = X[550:, -51:], y[550:606] print(X_train.shape) print(y_train.shape) print(X_test.shape) print(y_test.shape) (550, 11) (550,) (56, 11) (56,)

1

2

3

4

5

6

7

8

9

10

11

12

lr = LinearRegression() lr.fit(X_train, y_train) lr.score(X_test, y_test) # 使用絕對系數(shù) R^2 評估模型 # 0.04930040648385525 非常的垃圾，所以個人認(rèn)為毫無意義

1

2

3

4

5

6

7

打廣告，歡迎關(guān)注毛利學(xué)python

機(jī)器學(xué)習(xí)

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡(luò)用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔(dān)相應(yīng)法律責(zé)任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實(shí)的內(nèi)容，請聯(lián)系我們jiasou666@gmail.com 處理，核實(shí)后本網(wǎng)站將在24小時內(nèi)刪除侵權(quán)內(nèi)容。