Python使用线性回归实现对股票的预测

输出

二、数据处理

定义预测列标签名 存放研究对象的标签名

forecast_col = ‘Adj. Close’;

定义预测天数 这里取所有数据量长度的百分之1

forecats_count = math.ceil(len(df)*0.01)

z只用到以下字段

df = df[[‘Adj. Open’,‘Adj. High’,‘Adj. Low’,‘Adj. Close’,‘Adj. Volume’]];

print(df);

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