python数据挖掘
文章平均质量分 70
KimEddy
这个作者很懒,什么都没留下…
展开
-
python爬取股票数据
pip install tushare,爬取银行股票数据对数据进行初步进行整理,用今日的收盘减去昨天的收盘值定义value表示涨跌,并绘图直观表示最近的股票走势图。其实也可以直接根据pchange>0来标签分类的 -_-import tushare as tsimport pandas as pd import pandas as pd#获取中国银行历史数据df_CB=ts.get_hist原创 2017-12-13 11:10:48 · 6491 阅读 · 3 评论 -
用SVM预测股票涨跌
基于机器学习的股票分析二、 对股票数据涨跌进行SVM训练和预测上一次爬取了股票数据并进行标签分类,这次进行SVM分类import pandas as pd from sklearn import svm,preprocessing#获取中国银行历史数据df_CB=pd.read_csv(r'G:\\Project\\data\\CB.csv',encoding='gbk')#将日期作为inde原创 2017-12-13 11:21:45 · 15518 阅读 · 19 评论 -
利用LSTM对股票的收盘价进行回归预测
基于机器学习的股票分析三、利用神经网络对股票的日收盘价进行回归预测import tushare as tsimport pandas as pd import numpy as npfrom datetime import datetimefrom pandas import read_csvfrom pandas import DataFramefrom pandas import c原创 2017-12-13 11:41:32 · 7598 阅读 · 8 评论 -
利用scikit-learn做特征选择
特征选择特征选择是一个过程,自动选择数据中对预测变量输出贡献最大的特征。数据中不相关的特征会降低许多模型的精度,特别是线性算法和逻辑回归等线性算法。在对数据建模之前执行特征选择的三个好处是: 1. 减少过度配合:减少冗余数据意味着根据噪音作出决定的机会减少。 2. 提高准确性:更少的误导数据意味着建模精度提高。 3. 减少训练时间:更少的数据意味着算法训练更快。 下面介绍Python中原创 2017-12-26 20:32:20 · 1697 阅读 · 0 评论 -
利用LSTM预测股票日最高价
借用研究了这两个大神的代码 定义LSTM时候注意修改:cell=tf.contrib.rnn.BasicLSTMCell(rnn_unit,reuse=tf.get_variable_scope().reuse) 注意保存的路径 http://blog.csdn.net/mylove0414/article/details/55805974 https://github.com/lyshel转载 2017-12-19 11:24:48 · 1649 阅读 · 1 评论 -
网格寻优SVM
import pandas as pdimport numpy as npfrom time import timefrom sklearn.model_selection import GridSearchCVfrom sklearn.cross_validation import train_test_splitfrom sklearn.metrics import classific原创 2017-12-19 11:30:16 · 5490 阅读 · 0 评论