简介和数据欢迎来到Python机器学习教程系列的回归部分。在这里，您应该已经安装了Scikit-Learn。如果没有，请安装它，以及Pandas和Matplotlib。 pip install numpypip install scipypip install scikit-learnpip install matplotlibpip install pandas除了这些教程范围的导入之外，我们还需要在此处使用Quandl：pip install quandl首先，对于我们来说，将其用于机器学习，回归是什么？ ？其目标是接受连续数据，找到最适合数据的方程，并能够预测特定值。使用简单的线性回归，就可以通过创建最佳拟合直线来实现。在这里，我们可以使用该直线的方程式来预测将来的价格，其中日期是x轴。回归的一种流行用法是预测股价。由于我们将考虑价格随时间流逝的情况，并使用连续的数据集来尝试预测未来的下一个流动价格，因此我们可以这样做。回归是有监督的机器学习的一种类型，也就是说，科学家展示了它的功能，然后给出了教机器的正确答案。一旦机器被教授，科学家可以使用一些不可见的数据来测试机器，科学家可以知道正确的答案，而机器却不知道。将机器答案与已知答案进行比较，并测量机器的准确性。如果准确性足够高，科学家将考虑在现实世界中使用他们的算法。由于回归在股票价格中被广泛使用，因此我们可以从此处开始举例。首先，我们需要数据。有时很容易获得数据，有时则需要自己收集数据。在这里，我们至少可以从简单的股票价格和数量信息开始，这些信息来自Quandl。我们将获取Google的股价，其代码为GOOGL：将熊猫输入为pdimport quandldf = quandl.get（＆amp; quot; WIKI / GOOGL＆amp; quot;）print（df.head（））注意：在撰写本文时本文的Quandl该模块用大写字母Q引用，但现在它是小写字母q，因此请导入quandl。在这里，我们有：开盘价高开盘价收盘价除息日期2004-08-19 100.00 104.06 95.96 100.34 44659000 02004-08-20 101.01 109.08 100.50 108.31 22834300 02004-08-23 110.75 113.48 109.05 109.40 18256100 02004-08-24 111.24 111.60 103.57 104.87 15247300 02004-08-25 104.96 108.00 103.88 106.00 9188600 0分割比例调整打开调整高调整低调整关闭日期2004-08-19 1 50.000 52.03 47.980 50.1702004-08-20 1 50.505 54.54 50.250 54.1552004-08- 23 1 55.375 56.74 54.525 54.7002004-08-24 1 55.620 55.80 51.785 52.4352004-08-25 1 52.480 54.00 51.940 53.000Adj。 VolumeDate2004-08-19 446590002004-08-20 228343002004-08-23 182561002004-08-24 152473002004-08-25 25 9188600这是一个很好的开始，我们有数据，但是有点太多。在这里，我们有很多列，其中许多是多余的，而有些则没有太大变化。我们可以看到常规和已修改（Adj）列是重复的。修改后的列看起来更理想。常规栏是当天的价格，但是股票有一些叫做“拆股”的东西。其中一股突然变成两股，因此一股的价格必须减半，但公司的价值保持不变。修改后的列针对股票拆分进行了调整，这使它们对于分析更加可靠。因此，我们继续剪切原始的DataFrame。 df = df [[＆＃39; Adj。打开＆amp;＃39;＆amp;＃39;调整高＆amp;＃39;调整Low＆amp;＃39;＆amp;＃39;调整关闭＆amp;＃39; ＃39; adj。 [＆amp;＃39;]]现在，我们有了修改后的专栏和卷。有几件事要注意。许多人谈论或听到关于机器学习的知识，这就像是一无所有的黑魔法。机器学习可以突出显示现有数据，但是数据必须首先存在。您需要有意义的数据。那么，您如何知道是否有意义？我最好的建议是简化您的大脑。考虑一下，历史价格会决定未来价格吗？有些人是这样认为的，但是随着时间的推移，事实证明这是错误的。但是历史规律呢？当它脱颖而出时是有道理的（机器学习可以提供帮助），但是它仍然太弱了。那么，随着时间的推移价格变化和数量之间的关系以及历史规律又如何呢？可能会更好。因此，正如您所看到的，并不是更多的数据更好，而是我们需要使用有用的数据。同时，原始数据应进行转换。考虑每天的波动。例如，最高价格和最低价格之间的百分比差是多少？每日百分比变化如何？您认为每日开盘价，最高价，最低价，收盘价或收盘价，价差/波动率等简单数据更好吗？我认为后者更好。前者是非常相似的数据点，而后者是基于前者的统一数据创建的，但具有更有价值的信息。