《Python数据挖掘与机器学习实战》—3.5.2 数据预处理

3.5.2  数据预处理

　　由于带Adj前缀的数据是除权后的数据，更能反映股票数据特征，所以主要使用的数据特征为调整后的开盘价、最高价、最低价、收盘价和交易额（即Adj.Open、Adj.High、Adj.Low、Adj.Close和Adj.Volume）。

　　两个数据特征如下：

　　HL_PCT（股票最高价与最低价变化百分比）：

              （3-9）

　　PCT_change（股票收盘价与开盘价的变化百分比）：

              （3-10）

　　于是，自变量为：Adj.Close、HL_PCT、PCT_change和Adj.Volume。因变量为：Adj.Close。

　　最后，对自变量数据进行规范化处理，使之服从正态分布。只需要执行以下语句就可以达到预处理的目的，代码如下：

　　X = preprocessing.scale(X)

　　使用Sklearn做线性回归，首先导入相关函数：

　　from sklearn.linear_model import LinearRegression

　　建立线性回归模型：

　　clf = LinearRegression(n_jobs=-1)

　　进行线性模拟：

　　clf.fit(X_train, y_train)

　　使用predict()函数对需要预测的数据进行预测：

　　forecast_set = clf.predict(X_lately)

　　模型的评估主要使用精度（accuracy）参数。调用线型模型中的精度评估函数score()。

　　accuracy = clf.score(X_test, y_test)