Python与机器学习之Numpy描述性统计(二)

Python与机器学习之相关性(实战一)

回顾上文(可戳)

今天我们来实战。

项目介绍

分析两只股票的相关性。(大家都懂真正解决问题很难很难…)

项目数据

ps:
- 收集数据也是一大难点，这里就不介绍了。
- 四根线分别表示开盘价，最高价，最低价，收盘价。
- 横坐标表示某月1-31号，纵坐标表示价格。

附录：股票A

股票B

如图明显感觉到两数据的相关性。(也正是我们鼓励的——先画数据)

相关性分析

import numpy as np
#假设股票A数据data_a,股票B数据data_b(最高价)
data=np.array((data_a,data_b)
#注意这里corrcoef生成的是相关矩阵
print(np.corrcoef(data)[0,1])
#Out:0.877------很显然得到结论

引申

遍历年份，统计分析09年到17年，会得到如下精彩的图：

总结

读者可能会疑惑，这个结论如何应用？
很显然，股票A和股票B具有很强的相关性。如果通过建立机器学习模型去预测股票A未来的趋势，股票B则是影响巨大的特征参数！(之后我们会继续讨论~)

描述性统计是容易操作，直观简洁的数据分析手段。
如果您看到这篇文章有收获或者有不同的意见，欢迎点赞或者评论。
python群:190341254
丁。