l974415301的博客

2019.1.30emmm，昨天走到了爬数据这一步，这个阶段数据是为筛选行业做准备的，但是在爬之前，有几个问题需要考虑一下首先，我也不太懂金融，但是，考虑我如果买股票，作为个体，不可能时刻交易，每天交易都不能，每星期·····所以我考虑，我收益标准可能按月来，按季度，半年或者一年；但是问题是如果我自动化控制，就存在了每天交易的可能。问题是，我听说股市又能有人操纵，或者没有，maybe，那么如...

2019.1.28写这系列的博客，记录对机器学习的使用准用机器学习知识对股票STOCK进行分析由于本人对金融知识也不太了解，其实对机器学习也是新手，就先搞起来，在优化吧最终目的就是自动化股票交易，不关注数量，只关注买入卖出的时机，以及最大化收益暂时准备分一下几个步骤，类似机器学习流水线数据处理贯穿始终1.行业分类，目的筛选出优质行业（准备非监督，试试看，会自动分成什么样）2.股票筛...

ok，继续昨天的工作，昨天create engine的参数百度了一波然后解决nonetype问题，发现是tushare那个api，gettickdata的问题，这个api得到的数据类型有问题，导致存不进数据库，ok换了个方法from sqlalchemy import create_engineimport tushare as tsdf=ts.get_hist_data(‘300274’...

接着上一回的工作，用kmeans聚类之后，感觉肘部法则有些问题，今天又看了一遍代码，发现fit（）函数的参数输错了，应该输入归一化之后的X_norm今天查阅了各种同学的分享，太多了，就不给出链接了，对聚类算法的评估，我筛选了下面三种方法第一种SSE 样本距离最近的聚类中心的距离总和 （簇内误差平方和）只对单个族中的数据分析，族与族之间的关系没有涉及所以可能有一定的问题在sklearn...

接着上回的工作，对kmeans的结果进行可视化，搜索了一波，普遍认为 tsne 能够将高维数据降到低维（2,3维），这样可视化之后，就能观察发现该组数据是否可以聚类我这边，已经聚类过了，用tsne降维可视化一下参考了这位小伙伴的博客：https://blog.csdn.net/lbweiwan/article/details/82759670我稍稍调整了一些代码，可视化顺便把中心点加...

https://blog.csdn.net/a19990412/article/details/79302501?utm_source=blogxgwz6