《Python数据挖掘与机器学习实战》—3.5.3 编码实现

3.5.3  编码实现

　　完整的Python实现代码如下：

　　import quandl

　　from sklearn import preprocessing

　　#df = quandl.get('WIKI/GOOGL'),先注释这一行,预测Google股票再用

　　df = quandl.get('WIKI/AAPL')

　　import math

　　import numpy as np

　　# 定义预测列变量,它存放研究对象的标签名

　　forecast_col = 'Adj. Close'

　　# 定义预测天数,这里设置为所有数据量长度的1%

　　forecast_out = int(math.ceil(0.01*len(df)))

　　# 只用到df中的下面几个字段

　　df = df[['Adj. Open', 'Adj. High', 'Adj. Low', 'Adj. Close', 'Adj. Volume']]

　　# 构造两个新的列

　　# HL_PCT为股票最高价与最低价的变化百分比

　　df['HL_PCT']=(df['Adj. High'] - df['Adj. Close'])/ df['Adj. Close'] * 100.0

　　# PCT_change为股票收盘价与开盘价的变化百分比

　　df['PCT_change']=(df['Adj.Close']- df['Adj.Open'])/df['Adj. Open'] * 100.0

　　# 下面为真正用到的特征字段

　　df = df[['Adj. Close', 'HL_PCT', 'PCT_change', 'Adj. Volume']]

　　#因为scikit-learn并不会处理空数据,需要把为空的数据都设置为一个比较难出现的值#这里

    取-99999,

　　df.fillna(-99999, inplace=True)

　　# 用label代表该字段,是预测结果

　　# 通过让Adj. Close列的数据往前移动1%行来表示

　　df['label'] = df[forecast_col].shift(-forecast_out)

　　# 最后生成真正在模型中使用的数据X?y,以及预测时用到的数据数据X_lately

　　X = np.array(df.drop(['label'], 1))

　　X = preprocessing.scale(X)

　　# 上面生成label列时留下的最后1%行的数据,这些行并没有label数据,因此可以拿它们

    作为预测时用到的输入数据

　　X_lately = X[-forecast_out:]

　　X = X[:-forecast_out]

　　# 抛弃label列中为空的那些行

　　df.dropna(inplace=True)

　　y = np.array(df['label'])

　　# scikit-learn从0.2版本开始废弃cross_validation,改用model_selection

　　from sklearn import  model_selection, svm

　　from sklearn.linear_model import LinearRegression

　　# 开始前,先把X和y数据分成两部分,一部分用来训练,一部分用来测试

　　X_train, X_test, y_train, y_test = model_selection.train_test_split(X, y,

    test_size=0.2)

　　# 生成scikit-learn的线性回归对象

　　clf = LinearRegression(n_jobs=-1)

　　# 开始训练

　　clf.fit(X_train, y_train)

　　# 用测试数据评估准确性

　　accuracy = clf.score(X_test, y_test)

　　# 进行预测

　　forecast_set = clf.predict(X_lately)

　　print(forecast_set, accuracy)

　　import matplotlib.pyplot as plt

　　from matplotlib import style

　　import datetime

　　# 修改matplotlib样式

　　style.use('ggplot')

　　one_day = 86400

　　# 在df中新建Forecast列,用于存放预测结果的数据

　　df['Forecast'] = np.nan

　　# 取df最后一行的时间索引

　　last_date = df.iloc[-1].name

　　last_unix = last_date.timestamp()

　　next_unix = last_unix + one_day

　　# 遍历预测结果,用它向df中追加行

　　# 这些行除了Forecast字段,其他都设为np.nan

　　for i in forecast_set:

　　    next_date = datetime.datetime.fromtimestamp(next_unix)

　　    next_unix += one_day

　　    # [np.nan for_in range(len(df.columns)-1)]生成不包含Forecast字段的列表

　　    # 而[i]是只包含Forecast值的列表

　　    # 上述两个列表拼接在一起就组成了新行,按日期追加到df的下面

　　    df.loc[next_date] = [np.nan for _ in range(len(df.columns)- 1)] + [i]

　　# 开始绘图

　　df['Adj. Close'].plot()

　　df['Forecast'].plot()

　　plt.legend(loc=4)

　　plt.xlabel('Date')

　　plt.ylabel('Price')

　　plt.show()