5分彩app平台_通过机器学习的线性回归算法预测股票走势（用Python实现）

    在买车人的新书里，将通过股票案例讲述Python知识点，让我们在学习Python的一起去还能掌握相关的股票知识，所谓一举两得。这里给出以线性回归算法预测股票的案例，以此讲述通过Python的sklearn库实现线性回归预测的技巧。

    本文先讲以波士顿房价数据为例，讲述线性回归预测模型的搭建法律最好的依据，要是将再你你这个基础上，讲述以线性预测模型预测股票的实现代码。本博文是从买车人的新书里摘取的，新书预计今年年底前出版，敬请我们关注。

    正文要是要是刚开始（长文预警）

------------------------------------------------------------------------------------------------------------------------------------------------------

1  波士顿房价数据分析

    安装好Python的Sklearn库后，在安装包下的路径中就能就看描述波士顿房价的csv文件，具体路径是“python安装路径\Lib\site-packages\sklearn\datasets\data”，在你你这个目录中还包含 了Sklearn库会用到的因此 数据文件，本节用到的是包含 在boston_house_prices.csv文件中的波士顿房价信息。打开你你这个文件，都需用就看如图所示的数据。 

    第1行的306表示该文件包包含 306条样本数据，即有306条房价数据，而13表示有1兩个 影响房价的型态值，即从A列到M列这13列的型态值数据会影响第N列MEDV（即房价值），在表13.1中列出了帕累托图列的英文标题及其含义。

波士顿房价文件帕累托图中英文标题一览表

标题名	中文含义	标题名	中文含义
CRIM	城镇人均犯罪率	DIS	到波士顿兩个 中心区域的加权距离
ZN	住宅用地超过某数值的比例	RAD	辐射性公路的接近指数
INDUS	城镇非零售商用土地的比例	TAX	每 300 美元的全值财产税率
CHAS	查理斯河相关变量，如边界是河流则为1，因此为0	PTRATIO	城镇师生比例
NOX	一氧化氮浓度	MEDV	是自住房的平均房价
RM	住宅平均房间数
AGE	1940年要是建成的自用房屋比例

    从表中都需用就看，波士顿房价的数值（即MEDV）和诸如“住宅用地超过某数值的比例”等1兩个 型态值有关。而线性回归要补救的问题图片是，量化地找出哪几个型态值和目标值（即房价）的线性关系，即找出如下的k1到k13系数的数值和b你你这个常量值。

    MEDV = k1*CRIM + k2*ZN + … + k13*LITAT + b

    上述参数有1兩个 ，为了冗杂问题图片，先计算有有兩个 多型态值（DIS）与房价（MEDV）的关系，因此在此基础上讲述1兩个 型态值与房价关系的计算法律最好的依据。

    因此这麼有兩个 多多型态值DIS，它与房价的线性关系表达式如下所示。在计算出k1和b的值要是，因此再输入对应DIS值，即可据此计算MEDV的值，以此实现线性回归的预测效果。

    MEDV = k1*DIS + b

2  以波士顿房价数据为案例，搭建包含 晒 兩个 多型态值的线性预测模型

    在下面的OneParamLR.py范例应用tcp连接中，通过调用Sklearn库中的法律最好的依据，以训练加预测的法律最好的依据，推算出有有兩个 多型态值（DIS）与目标值（MEDV，即房价）的线性关系。  

1    # !/usr/bin/env python

2    # coding=utf-8

3    import numpy as np

4    import pandas as pd

5    import matplotlib.pyplot as plt

6    from sklearn import datasets

7    from sklearn.linear_model import LinearRegression

　在上述代码中导入了必要的库，其中第6行和第7行用于导入sklearn相关库。    

8    # 从文件中读数据，并转去掉

DataFrame格式

9    dataset=datasets.load_boston()

10   data=pd.DataFrame(dataset.data)

11   data.columns=dataset.feature_names              # 型态值

12   data['HousePrice']=dataset.target               # 房价，即目标值

13   # 这里单纯计算离中心区域的距离和房价的关系

14   dis=data.loc[0:data['DIS'].size-1,'DIS'].as_matrix()

15   housePrice=data.loc[0:data['HousePrice'].size-1,'HousePrice'].as_matrix()

    在第9行中，加载了Sklearn库下的波士顿房价数据文件，并赋值给dataset对象。在第10行通过dataset.data读取了文件中的数据。在第11行通过dataset.feature_name读取了型态值，如前文所述，data.columns对象包包含 了1兩个 型态值。在第12行通过dataset.target读取目标值，即MEDV列的房价，并把目标值设置到data的HousePrice列中。

    在第14行读取了DIS列的数据，并调用as_matrix法律最好的依据把读到的数据转去掉 矩阵中一列的格式，在第15行中，是用同样的法律最好的依据把房价数值转去掉 矩阵中列的格式。

16   # 转置一下，因此数据是竖排的

17   dis=np.array([dis]).T

18   housePrice=np.array([housePrice]).T

19   # 训练线性模型

20   lrTool=LinearRegression()

21   lrTool.fit(dis,housePrice)

22   # 输出系数和截距

23   print(lrTool.coef_)

24   print(lrTool.intercept_)

    因此当前在dis和housePrice变量中保存是的“列”形式的数据，因此在第16行和第17行中，需用把它们转去掉 行格式的数据。

    在第20行中，通过调用LinearRegression法律最好的依据创建了有有兩个 多用于线性回归分析的lrTool对象，在第21行中，通过调用fit法律最好的依据进行基于线性回归的训练。这里训练的目的是，根据传入的一组型态值dis和目标值MEDV，推算出MEDV = k1*DIS + b公式中的k1和b的值。

    调用fit法律最好的依据进行训练后，ltTool对象就内含了系数和截距等线性回归相关的参数，通过第23行的打印说说输出了系数，即参数k1的值，而第24行的打印说说输出了截距，即参数b的值。

25   # 画图显示

26   plt.scatter(dis,housePrice,label='Real Data')

27   plt.plot(dis,lrTool.predict(dis),c='R',linewidth='2',label='Predict')

28   # 验证数据

29   print(dis[0])

30   print(lrTool.predict(dis)[0])

31   print(dis[2])

32   print(lrTool.predict(dis)[2])

33    

34   plt.legend(loc='best')    # 绘制图例

35   plt.rcParams['font.sans-serif']=['SimHei']

36   plt.title("DIS与房价的线性关系")

37   plt.xlabel("DIS")

38   plt.ylabel("HousePrice")

39   plt.show()

    在第26行中，通过调用scatter法律最好的依据绘制出x值是DIS，y值是房价的诸多散点，第27行则是调用plot法律最好的依据绘制出DIS和预测结果的关系，即十根直线。

要是要是用Matplotlib库中的法律最好的依据绘制出x轴y轴文字和图形标题等信息。运行上述代码，即可就看如图所示的结果。

    图中各个点表示真实数据，每个点的x坐标是DIS值，y坐标是房价。而红线则表示根据当前DIS值，通过线性回归预测出的房价结果。

    下面通过输出的数据，进一步说明图中以红线形式显示的预测数据的含义。通过代码的第23行和24行输出了系数和截距，结果如下。

    [[1.09161302]]

    [18.39008833]

    即房价和DIS满足如下的一次函数关系：MEDV = 1.09161302*DIS + 18.39008833。

    从第29行到第32行输出了两组DIS和预测房价数据，每两行是一组，结果如下。

    [4.09]

    [22.85478557]

    [4.9671]

    [23.81223934]

    在因此得到的公式中，MEDV = 1.09161302*DIS + 18.39008833，把第1行的4.09代入DIS，把第2行的22.85478557代入MEDV，发现结果吻合。同理，把第3行的DIS和第4行MEDV值代入上述公式，结果也吻合。

    也要是说，通过基于线性回归的fit法律最好的依据，训练了lrTool对象，使之包含 了相关参数，原来因此输入因此 的DIS值，这麼ltTool对象根据相关参数不能算出对应的房价值。从可视化的效果来看，用DIS预测MEDV房价的效果暂且好，原因分析分析着是毕竟只用了其包含 晒 兩个 多型态值。不过，通过你你这个范例应用tcp连接，还是都需用看出基于线性回归实现预测的一般步骤：根据一组（306条）数据的型态值（本范例中是DIS）和目标值（房价），调用fit法律最好的依据训练ltTool等线性回归中的对象，让它包含 相关系数，要是再调用predict法律最好的依据，根据由相关系数组成的公式，通过计算预测目标结果。

3  以波士顿房价数据为案例，实现基于多个型态值的线性回归

    因此要用到波士顿房价范例中1兩个 型态值来进行预测，这麼对应的公式如下，这里要做的工作是，通过fit法律最好的依据，计算如下的k1到k13系数以及b截距值。

    MEDV = k1*CRIM + k2*ZN + … + k13*LITAT + b

    在下面的MoreParamLR.py范例应用tcp连接中，实现用1兩个 型态值预测房价的功能。

1    # !/usr/bin/env python

2    # coding=utf-8

3    from sklearn import datasets

4    from sklearn.linear_model import LinearRegression

5    import matplotlib.pyplot as plt

6    # 加载数据

7    dataset = datasets.load_boston()

8    # 型态值集合，不包括目标值房价

9    featureData = dataset.data

10   housePrice = dataset.target

    在第7行中加载了波士顿房价的数据，在第9行和第10行分别把1兩个 型态值和房价目标值装到featureData和housePrice这有兩个 多多变量中。

11   lrTool = LinearRegression()

12   lrTool.fit(featureData, housePrice)

13   # 输出系数和截距

14   print(lrTool.coef_)

15   print(lrTool.intercept_)

    上述代码和前文推算有有兩个 多型态值和目标值关系的代码很类式于，只不过在第12行的fit法律最好的依据中，传入的型态值是1兩个 ，而需用有兩个 多多。在第14行和第15行的应用tcp连接说说同样输出了各项系数和截距数值。

16   # 画图显示

17   plt.scatter(housePrice,housePrice,label='Real Data')

18   plt.scatter(housePrice,lrTool.predict(featureData),c='R',label='Predicted Data')

19   plt.legend(loc='best')    # 绘制图例

20   plt.rcParams['font.sans-serif']=['SimHei']

21   plt.xlabel("House Price")

22   plt.ylabel("Predicted Price")

23   plt.show()

    在第17行绘制了x坐标和y坐标需用房价值的散列点，哪几个点表示原始数据，在第19行绘制散列点时，x坐标是原始房价，y坐标是根据线性回归推算出的房价。

    运行上述代码，即可就看如图所示的结果。其中天蓝色散列点表示真实数据，红色散列点表示预测出的数据，和图13-4相比，预测出的房价结果数据更靠近真实房价数据，这是因此这次用了1兩个 型态值来预测，而要是只用了其包含 晒 兩个 多型态数据来预测。

    另外，从控制台中都需用就看由第14行和15行的应用tcp连接说说打印出的各项系数和截距。

1    [-1.03011358e-01  4.64204584e-02  2.05586264e-02  2.68673382e+00  -1.77666112e+01  3.30986521e+00 6.92224640e-04 -1.47556685e+00  3.03049479e-01 -1.23345939e-02 -9.52747232e-01  9.31168327e-03 -5.24758378e-01]

2    36.459488383089855

    其中，第1行表示1兩个 型态值的系数，而第2行表示截距。代入上述系数，即可就看如下的1兩个 型态值与目标房价的对应关系——预测公式。得出如下的公式后，再输入因此 的1兩个 型态值，即可预测出对应的房价。

    MEDV = -1.03011358e-01*CRIM + 4.64204584e-02*ZN + … + -5.24758378e-01*LITAT + 36.459488383089855

4  激动人心的时刻，预测股票价格

    在这里，将在下面的predictStockByLR.py范例应用tcp连接中，根据股票历史的开盘价、收盘价和成交量等型态值，从数学强度来预测股票未来的收盘价。

1    # !/usr/bin/env python

2    # coding=utf-8

3    import pandas as pd

4    import numpy as np

5    import math

6    import matplotlib.pyplot as plt

7    from sklearn.linear_model import LinearRegression

8    from sklearn.model_selection import train_test_split

9    # 从文件中获取数据

10   origDf = pd.read_csv('D:/stockData/ch13/3033052018-09-012019-05-31.csv',encoding='gbk')

11   df = origDf[['Close', 'High', 'Low','Open' ,'Volume']]

12   featureData = df[['Open', 'High', 'Volume','Low']]

13   # 划分型态值和目标值

14   feature = featureData.values

15   target = np.array(df['Close'])

    第10行的应用tcp连接说说从包含 股票信息的csv文件中读取数据，在第14行设置了型态值是开盘价、最高价、最低价和成交量，一起去在第15行设置了要预测的目标列是收盘价。在后续的代码中，需用将计算出开盘价、最高价、最低价和成交量这兩个 型态值和收盘价的线性关系，并在此基础上预测收盘价。

16   # 划分训练集，测试集

17   feature_train, feature_test, target_train ,target_test = train_test_split(feature,target,test_size=0.05)

18   pridectedDays = int(math.ceil(0.05 * len(origDf)))    # 预测天数

19   lrTool = LinearRegression()

20   lrTool.fit(feature_train,target_train)   # 训练

21   # 用测试集预测结果

22   predictByTest = lrTool.predict(feature_test)

    第17行的应用tcp连接说说通过调用train_test_split法律最好的依据把包含 在csv文件中的股票数据分成训练集和测试集，你你这个法律最好的依据前有有兩个 多参数分别是型态列和目标列，而第有有兩个 多参数0.05则表示测试集的大小是总量的0.05。该法律最好的依据返回的兩个 参数分别是型态值的训练集、型态值的测试集、要预测目标列的训练集和目标列的测试集。

    第18行的应用tcp连接说说计算了要预测的交易日数，在第19行中构建了有有兩个 多线性回归预测的对象，在第20行是调用fit法律最好的依据训练型态值和目标值的线性关系，请注意这里的训练是针对训练集的，在第22行中，则是用型态值的测试集来预测目标值（即收盘价）。也要是说，是用多个交易日的股价来训练lrTool对象，并在此基础上预测后续交易日的收盘价。至此，上端的应用tcp连接代码完成了相关的计算工作。

23   # 组装数据

24   index=0

25   # 在前95%的交易日中，设置预测结果和收盘价一致

26   while index < len(origDf) - pridectedDays:

27       df.ix[index,'predictedVal']=origDf.ix[index,'Close']

28       df.ix[index,'Date']=origDf.ix[index,'Date']

29       index = index+1

30   predictedCnt=0

31   # 在后5%的交易日中，用测试集推算预测股价

32   while predictedCnt<pridectedDays:

33       df.ix[index,'predictedVal']=predictByTest[predictedCnt]

34       df.ix[index,'Date']=origDf.ix[index,'Date']

35       predictedCnt=predictedCnt+1

36       index=index+1

    在第26行到第29行的while循环中，在第27行把训练集帕累托图的预测股价设置成收盘价，并在第28行设置了训练集帕累托图的日期。

    在第32行到第36行的while循环中，遍历了测试集，在第33行的应用tcp连接说说把df中表示测试结果的predictedVal列设置成相应的预测结果，一起去也在第34行的应用tcp连接说说逐行设置了每条记录中的日期。

37   plt.figure()

38   df['predictedVal'].plot(color="red",label='predicted Data')

39   df['Close'].plot(color="blue",label='Real Data')

40   plt.legend(loc='best')    # 绘制图例

41   # 设置x坐标的标签

42   major_index=df.index[df.index%10==0]

43   major_xtics=df['Date'][df.index%10==0]

44   plt.xticks(major_index,major_xtics)

45   plt.setp(plt.gca().get_xticklabels(), rotation=30)

46   # 带网格线，且设置了网格样式

47   plt.grid(line)

48   plt.show()

    在完成数据计算和数据组装的工作后，从第37行到第48行应用tcp连接代码的最后，实现了可视化。

    第38行和第39行的应用tcp连接代码分别绘制了预测股价和真实收盘价，在绘制的要是设置了不同的颜色，也设置了不同的label标签值，在第40行通过调用legend法律最好的依据，根据收盘价和预测股价的标签值，绘制了相应的图例。

    从第42行到第45行设置了x轴显示的标签文字是日期，为了不要标签文字显示过密，设置了“每10个日期里只显示有有兩个 多”的显示法律最好的依据，因此在第47行设置了网格线的效果，最后在第48行通过调用show法律最好的依据绘制出整个图形。运行本范例应用tcp连接，即可就看如图所示的结果。

     从图中都需用看出，蓝线表示真实的收盘价（图中完正的线），红线表示预测股价（图中靠右边的线。因此本书黑白印刷的原因分析分析着，在书中读者看这麼天蓝色和红色，请读者在买车人的计算机上运行你你这个范例应用tcp连接即可就看红蓝两色的线）。确实 预测股价和真实价之间有差距，但涨跌的趋势大致相同。因此在预测时这麼考虑到涨跌停的因素，什么都预测结果的涨跌幅度比真实数据要大。

5 系列文总结和版权说明

    本文是给应用tcp连接员加财商系列，要是的系列文如下：

    本文力争做到完正，比如代码按行编号，并针对行号完正解释，且图文并茂，什么都要是我们感觉都需用，请尽量帮忙推荐一下。本文的内容即将出书，在出版的书里，是用股票案例和我们讲述Python入门时的知识点，敬请期待。    

    有不少前女网民 转载和不要转载我的博文，买车人感到十分荣幸，这也是买车人不断写博文的动力。关于本文的版权有如下统一的说明，抱歉就不逐一回复了。

    1 本文可转载，不要告知，转载时请用链接的法律最好的依据，给出原文出处，别简单地通过文本法律最好的依据给出，一起去写明原作者是hsm_computer。

    2 在转载时，请原文转载 ，谢绝洗稿。因此买车人保留追究法律责任的权利。