利用Scikit-learn机器学习库的特征分类进行vnpy期货量化交易（简介）

这个算是一个小坑，因为我也还在学习过程中，代码慢慢完善。一开始在python 2.7，vnpy 1.9.2环境中实现。后面在python 3.7也基本实现，增加支持了xgboost。代码写的繁杂，多多抱歉。

首先说说Scikit-learn是Python语言中专门针对机器学习应用而发展起来的一款开源框架，相对于现在深度学习库tensorflow，由于Scikit-learn本身不支持深度学习，也不支持GPU加速，但是相对于tensorflow那种近乎黑箱的多层神经网络，还是比较好从数学来解释分析。

分类是指识别给定对象的所属类别，属于监督学习的范畴，最常见的应用场景包括垃圾邮件检测和图像识别等。目前Scikit-learn已经实现的算法包括：支持向量机（SVM），最近邻，逻辑回归，随机森林，决策树以及多层感知器（MLP）神经网络等等。这里会使用逻辑回归，决策数， MLP神经网络和SVM向量机，其实都是两句代码事情。

不考虑内部的复杂数学逻辑，这里功能性的使用Scikit-learn特征分类的功能。

 1） 选取的特征值，为了避免数据值非逻辑化，这里不直接使用点位最高点这些，而使用那些和具体点位无关的指标，比如atr，cci，rsi，std和bar的涨跌百分比。

 2） 利用这些特征值进行分类，这里对于期货走势就是三类，1 是之后上涨，0是之后无规律&#