Python使用线性回归实现对股票的预测，程序员中年危机

构造两个新的列 HL_PCT为股票最高价与最低价变化百分比 PCT_Change为股票收盘价与开盘价的变化百分比

df[‘HL_PCT’] = (df[‘Adj. High’]-df[‘Adj. Low’])/df[‘Adj. Close’]*100;

df[‘PCT_Change’] = (df[‘Adj. Close’]-df[‘Adj. Open’])/df[‘Adj. Open’]*100;

真正用到的特征字段如下

df = df[[‘Adj. Close’,‘HL_PCT’,‘PCT_Change’,‘Adj. Volume’]];

print(df.head());

sklearn并不会处理空值 这里将空值全部填充为比较难出现的值 这里填-99999 增加inplace=True 填充的作用将改变数据源 否则不改变数据源

df.fillna(-99999,inplace=True);

增加label字段表示预测结果 即y 用df[‘Adj. Close’]向前移动forecats_count来进行表示

df[‘label’] = df[forecast_col].shift(forecats_count);

三、生成X y以及预测用到的X_lately

X = np.array(df.drop([‘label’],axis=1)); #axis=1 表示删除这一列

X = preprocessing.scale(X); #对数据进行规范化处理 示其服从正态分布

上面生成label时 留下%1行没有数据 所有其对应的其他数据可以作为预测时的输入数据

X_lately = X[-forecats_count:];

X = X[:-forecats_count];

df.dropna(inplace=True); # 抛弃那些 label列为空的行 之前已经填充过了 所以现在只有label有空的

y = np.array(df[‘label’]);

四、机器学习

from sklearn.linear_model import LinearRegression

from sklearn import model_selection,svm

将X y 分为训练集和测试集合

X_train,X_test,Y_train,Y_test = model_selection.train_test_split(X,y,test_size=0.2,random_state=1)

训练

lr = LinearRegression();

lr.fit(X_train,Y_train);# 训练

accuracy = lr.score(X_test,Y_test);# 用测试数据评估准确性

print(“输出评估值”,accuracy);

进行预测

forecats_set = lr.predict(X_lately);

print(“预测值”,forecats_set);

print(“截距”,lr.intercept_);

print(“系数”,lr.coef_);

输出

五、画图显示

import matplotlib.pyplot as plt

from matplotlib import style

修改matplotlib样式

style.use(‘ggplot’);

one_day = 86400; #86400秒 代表24小时

在df中新建Forecast列，用于存放预测值

df[‘Forecast’] = np.nan;

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V：vip1024c 备注Python获取（资料价值较高，非无偿）

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

s://img-blog.csdnimg.cn/111f5462e7df433b981dc2430bb9ad39.png)

简历模板