HDU杭电--机器学习实验报告（四）

一、 实验目的

1 、理解监督学习的目标；

2 、理解分类学习几种基本算法；

3 、掌握 Sklearn 提供的分类函数 k 近邻、朴素贝叶斯、支持向量

机、决策树、神经网络模型等。

二、 实验内容与要求

【实验内容】上涨指数涨跌预测

网易财经上获得的上证指数的历史数据，爬取了 20 年的上证指数

数据。请你根据给出某时间段 150 天的历史数据，预测当天上证指数

的涨跌。（技术路线 sklearn.svm.SVC ）

【实验过程】使用 SVM 算法

1 、建立工程，导入 sklearn

2 、数据加载 && 数据预处理

3 、创建 SVM 并进行交叉验证

【交叉验证】

交叉验证法先将数据集 D 划分为 k 个大小相似的互斥子集，每个

自己都尽可能保持数据分布的一致性，即从 D 中通过分层采样得到。

然后，每次用 k-1 个子集的并集作为训练集，余下的那个子集作为测试

集 ; 这样就可获得 k 组训练 / 测试集，从而可进行 k 次训练和测试，最终

返回的是这个 k 个测试结果的均值。通常把交叉验证法称为 “k 者交叉

验证 ” ， k 最常用的取值是 10 ，此时称为 10 折交叉验证。

三、 实验程序与结果

# 用来加载 CSV 数据的工具包

import pandas as pd

# 支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库

import numpy as np

# sklearn 下 svm ： SVM 算法

from sklearn import svm

# sklearn 下 cross_validation ：交叉验证

from sklearn import model_selection

# 从 CSV 文件中加载数据

data = pd.read_csv( '000777.csv' , encoding = 'gbk' , parse_dates =[ 0 ], index_col = 0 )

# DataFrame.sort_index(axis=0 ( 按 0 列排 ), ascending=True （升序） , inplace=False （排序后

是否覆盖原数据）） data 按照时间升序排列

data.sort_index( ascending = True , inplace = True ) # 选取 6 列数据作为特征：收盘价、最高价、最低价、开盘价、成交量、总市额

# dayfeature ：选取 150 天的数据

# featurenum ：选取的 6 个特征 * 天数

# x ：记录 150 天的 6 个特征值 y ：记录涨或者跌

dayfeature = 150

featurenum = 6 * dayfeature

# data.shape[0]-dayfeature ，我们要用 150 天数据做训练，

# 对于条目为 200 条的数据，只有 50 条数据是有前 150 天的数据来训练的，所以测试集的大小就

是 200-150 ， 对于每一条数据，他的特征是前 150 天的所有特征数据，即 150*6

x = np.zeros((data.shape[ 0 ] - dayfeature, featurenum))

y = np.zeros((data.shape[ 0 ] - dayfeature))

for i in range ( 0 , data.shape[ 0 ] - dayfeature):

# 将数据中的收盘价、最高价、最低价、开盘价、成交量、总市额存入 x 数组中

# reshape: 转换成 1 行， featurenum 列

x[i, :] = np.array(data[i:i + dayfeature] \

[[ u' 收盘价 ' , u' 最高价 ' , u' 最低价 ' , u' 开盘价 ' , u' 成交量 ' , u' 总市值

' ]]).reshape(( 1 , featurenum))

# 如果当天收盘价高于开盘价， y[i]=1 代表涨， 0 代表跌

if data.iloc[i + dayfeature][ ' 收盘价 ' ] >= data.iloc[i + dayfeature][ ' 开盘价 ' ]:

y[i] = 1

else :

y[i] = 0

# 创建 SVM 并进行交叉验证

clf = svm.SVC( kernel = 'rbf' )

# 调用 svm 函数 , 并设置 kernel 参数，默认是 rbf ，其它： ‘linear’‘poly’‘sigmoid’

result = []

# 使用 KFold 进行 10 折交叉验证

kf = model_selection.KFold( n_splits = 10 )

for train_index, test_index in kf.split(x):

x_train, x_test = x[train_index], x[test_index]

y_train, y_test = y[train_index], y[test_index]

# 训练数据进行训练

clf.fit(x_train, y_train)

# 将预测数据和测试集的验证数据比对

result.append(np.mean(y_test == clf.predict(x_test)))

print ( "svm classifier accuacy:" )

print (result)

四、实验结果分析

svm classifier accuacy:

[0.49023861171366595, 0.4967462039045553, 0.48043478260869565, 0.5456521739130434,

0.6043478260869565, 0.5456521739130434, 0.5869565217391305, 0.5456521739130434,

0.5608695652173913, 0.5152173913043478]

这段代码实现了从股票数据中提取特征（收盘价、最高价、最低价、

开盘价、成交量、总市额），然后使用支持向量机（ SVM ）进行涨跌

预测，并进行了交叉验证。通过将数据集分割为训练集和测试集，并

多次进行交叉验证，可以更好地评估模型的性能，并减少过拟合的风

险。

代码运行后输出了 10 次交叉验证的结果，得到的分类器准确率分

别为： 0.490, 0.497, 0.480, 0.546, 0.604, 0.546, 0.587, 0.546, 0.561, 0.515 。

这些结果表示模型在不同的数据子集上的表现略有波动，但整体上表

现良好。由此可知，基于股票数据的特征，支持向量机模型能够在一

定程度上预测股票涨跌，但准确率存在一定的波动。

五、实验问题解答与体会

支持向量机（ SVM ）是一种强大的机器学习模型，特别适用于处理

非线性数据和高维数据。在股票涨跌预测问题中，数据往往具有复杂

的非线性关系，因此选择 SVM 模型进行分类是合适的。

而交叉验证是一种评估模型性能的有效方法，通过将数据集划分为

训练集和测试集，并多次重复这一过程，可以更准确地评估模型在不

同数据子集上的泛化能力，减少由于数据分布不均匀而引起的偏差。

在股票涨跌预测问题中，交叉验证可以帮助评估模型的预测能力和稳

定性。

此次试验让我明白了，在编写代码之前，务必仔细检查文件路径和

文件名，确保它们是正确的。在处理数据时，要格外注意数据的质量

和完整性，以避免在后续的分析和建模过程中出现问题。对于模型训

练效果不佳的情况，需要耐心和细心地调整模型参数、优化数据预处

理步骤，并且不断尝试不同的方法，直到找到合适的解决方案。通过

不断学习和尝试代码算法，才会得到实用的经验和教训。所以，在以

后的工作中，我们要保持持续学习的态度，不断改进和优化模型，提 高工作效率和质量。