【机器学习sklearn】基于sklearn的股票预测

最近了解学习数据统计，了解到了python的sklearn这个库，集成了很多机器学习的模型，感觉很强大，官网
下面通过一个简单的预测的例子来上手sklearn这个库。
根据pythonprogramming上的例子改写。本次实验使用anaconda的集成环境，故不需要下载所需的包，但需要使用conda命令更新sklearn至官网教程所使用的版本（之前因为版本问题纠结了好久）。如果没有使用anaconda，需要先下载scipy，numpy等库作为支持，这里使用python自带的pip install命令即可方便下载。
导入相应的库

import pandas as pd
import numpy as np
import datetime
import pandas.io.data as web
import math
import matplotlib.pyplot as plt
from matplotlib import style
from sklearn.model_selection import cross_val_score
from sklearn import preprocessing, cross_validation, svm
from sklearn.linear_model import LinearRegression

首先从互联网上获取我们所需要的yahoo的股票数据：

start = datetime.datetime(2015, 1, 1)
end = datetime.datetime(2016, 11, 20)
#从互联网获取数据
df = web.DataReader("XOM", "yahoo", start, end)
#print(df.head())

构建我们的数据集

df = df[['Open',  'High',  'Low',  'Close', 'Volume']]
df['HL_PCT'] = (df['High'] - df['Low']) / df['Close'] * 100.0
df['PCT_change'] = (df['Close'] - df['Open']) / df['Open'] * 100.0
df = df[['Close', 'HL_PCT', 'PCT_change', 'Volume']]
#print(df.head())

对空数据进行处理，同时对Close的股票value进行预测，forecast_out表示往后预测的天数

forecast_col = 'Close'
df.fillna(value=-99999, inplace=True)
forecast_out = int(math.ceil(0.01 * len(df)))
#预测forecast_out天后的

重新构建X和y，X为[‘Close’, ‘HL_PCT’, ‘PCT_change’, ‘Volume’]，y为[‘label’]表示forecast_out天后的股票值，使用preprocessing.scale对数据集进行scaling。
X_lately 表示后forecast_out天 的数据集，既对应的y值为NAN

df['label'] = df[forecast_col].shift(-forecast_out)

print(df.shape)
print(df.tail())
X = np.array(df.drop(['label'], 1))


X = preprocessing.scale(X)

X_lately = X[-forecast_out:]
X = X[:-forecast_out]
df.dropna(inplace=True)
print(X)
print(X_lately)
y = np.array(df['label'])
#print(y)
print(X.shape)
print(y.shape)

选择数据集80%作为训练集，20%作为测试集
使用sklearn提供的Linear Regression函数进行建模，最后使用测试集进行测试，计算相应的精确度

X_train, X_test, y_train ,y_test = cross_validation.train_test_split(X,y,test_size=0.2)

clf = LinearRegression()
clf.fit(X_train,y_train)
accuracy = clf.score(X_test,y_test)

print(accuracy)

forecast_set是我们通过训练集训练出的模型和我们的最近的数据进行的预测
把我们的预测集放入之前的DataFrame，最后绘图得到股票走势图

forecast_set = clf.predict(X_lately)

print(forecast_set,accuracy,forecast_out)

style.use('ggplot')

df['Forecast']=np.nan

last_date = df.iloc[-1].name
last_unix = last_date.timestamp()
print(last_date,last_unix)
one_day = 86400
next_unix = last_unix + one_day

for i in forecast_set:
    next_date = datetime.datetime.fromtimestamp(next_unix)
    next_unix += 86400
    df.loc[next_date] = [np.nan for _ in range(len(df.columns)-1)]+[i]


print(df.tail())

df['Close'].plot()
df['Forecast'].plot()
plt.show()

红线表示原始数据，蓝线表示预测的股票走势

具体代码，见Titanssword的github