新时代【机器学习】与【Pycharm】：【随机数据生成】与智能【股票市场分析】

目录

第一步：准备工作

1.1 安装必要的库

小李的理解：

1.2 导入库

小李的理解：

第二步：生成和准备数据

2.1 生成随机股票数据

小李的理解：

2.2 数据探索与可视化

小李的理解：

2.3 数据处理

小李的理解：

2.4 选择特征和标签

小李的理解：

第三步：拆分数据集

小李的理解：

第四步：训练决策树模型

小李的理解：

第五步：模型预测与评估

小李的理解：

结果

完整代码

总结

---

 

专栏：机器学习笔记

总篇：学习路线

第一卷：线性回归模型

第二卷：逻辑回归模型

第一步：准备工作

1.1 安装必要的库

小李的理解：

在开始之前，需要安装一些工具，类似于做饭前要准备好各种食材。这里，需要安装pandas、scikit-learn和matplotlib，它们分别用于数据处理、机器学习和数据可视化。

在Pycharm中打开终端，并运行以下命令：

pip install pandas scikit-learn matplotlib

这些库的作用如下：

• pandas：用于数据处理和分析，就像厨房里的切菜板和刀。
• scikit-learn：用于机器学习模型的构建和评估，相当于厨房里的锅和炉灶。
• matplotlib：用于数据可视化，类似于摆盘和装饰菜肴。

1.2 导入库

小李的理解：

在新的Python文件中，导入这些库。就像准备好工具后，把它们放在桌子上随时可以使用。

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
import matplotlib.pyplot as plt

第二步：生成和准备数据

2.1 生成随机股票数据

小李的理解：

现在要生成一些模拟的股票数据。想象在创建一个虚拟的股票市场，这些数据包括日期、开盘价、最高价、最低价、收盘价和成交量。就像在做一顿虚拟的大餐，需要各种食材和调料。

# 设置随机种子以确保结果可重复
np.random.seed(42)
 
# 生成99个交易日期（工作日）
dates = pd.date_range(start='2023-01-01', periods=99, freq='B')
 
# 随机生成股票价格数据
open_prices = np.random.uniform(low=100, high=200, size=len(dates))
high_prices = open_prices * np.random.uniform(low=1, high=1.1, size=len(dates))
low_prices = open_prices * np.random.uniform(low=0.9, high=1, size=len(dates))
close_prices = np.random.uniform(low=100, high=200, size=len(dates))
volumes = np.random.randint(low=1000, high=10000, size=len(dates))
 
# 创建数据框
stock_data = pd.DataFrame({
    '日期': dates,
    '开盘价': open_prices,
    '最高价': high_prices,
    '最低价': low_prices,
    '收盘价': close_prices,
    '成交量': volumes
})
 
# 将数据保存到CSV文件中
stock_data.to_csv('data.csv', index=False, encoding='utf-8-sig')
print("数据已保存到data.csv文件中")

2.2 数据探索与可视化

小李的理解：

为了更好地理解我们的数据，可以绘制收盘价的时间序列图。这就像是把做好的菜摆盘后拍张照片，看看颜色和外观怎么样。

# 绘制收盘价的时间序列图
plt.figure(figsize=(12, 6))
plt.plot(stock_data['收盘价'], label='收盘价')
plt.title('模拟股票收盘价历史')
plt.xlabel('日期')
plt.ylabel('收盘价 (美元)')
plt.legend()
plt.show()

 

这段代码将显示模拟股票收盘价随时间变化的图表。

2.3 数据处理

小李的理解：

为了进行预测，需要创建一些特征和标签。用今天的数据来预测明天的情况。具体来说，会看看今天的收盘价，并判断明天的收盘价是否会上涨。就像是根据今天的天气预测明天是否会下雨。

# 创建新的特征和标签
stock_data['次日收盘价'] = stock_data['收盘价'].shift(-1)
stock_data['价格上涨'] = (stock_data['次日收盘价'] > stock_data['收盘价']).astype(int)
stock_data.dropna(inplace=True)
print(stock_data.head())

在这段代码中：

1. 创建了一个新的列次日收盘价，表示下一天的收盘价。
2. 创建了标签列价格上涨，如果第二天的收盘价高于当天，则标签为1，否则为0。
3. 删除了包含空值的行。

2.4 选择特征和标签

小李的理解：

选择一些关键数据作为特征，用它们来预测明天的情况。这些特征包括收盘价、开盘价、最高价、最低价和成交量。就像是选择了一些重要的天气指标（如温度、湿度、风速等）来预测明天的天气。

# 选择特征和标签
features = stock_data[['收盘价', '开盘价', '最高价', '最低价', '成交量']]
labels = stock_data['价格上涨']

在这段代码中，选择了特征列和标签列，用于后续的模型训练和评估。

第三步：拆分数据集

小李的理解：

为了评估模型，需要把数据分成两部分：一部分用来训练模型，另一部分用来测试模型的准确性。就像是用一些数据来训练一个预测模型，然后用其他数据来验证它的预测能力。

from sklearn.model_selection import train_test_split
 
# 拆分数据集
X_train, X_test, y_train, y_test = train_test_split(features, labels, test_size=0.2, random_state=42)

 

在这段代码中，将数据集的80%用作训练集，20%用作测试集。还设置了random_state参数，以确保每次运行代码时拆分方式相同。

第四步：训练决策树模型

小李的理解：

可以用训练数据来训练我们的模型了。决策树是一种机器学习算法，就像是一个聪明的机器人，它可以学习数据中的模式，并根据这些模式做出预测。

from sklearn.tree import DecisionTreeClassifier
 
# 训练决策树模型
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)

在这段代码中，首先创建了一个DecisionTreeClassifier对象，然后使用训练数据X_train和y_train来训练模型。

第五步：模型预测与评估

小李的理解：

训练完成后，可以用测试数据来评估模型的表现。让模型对测试数据做出预测，并计算预测的准确性。就像是测试一个天气预报模型，看看它预测的准确性有多高。

from sklearn.metrics import accuracy_score
 
# 模型预测与评估
y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print(f"准确率: {accuracy:.2f}")

 

在这段代码中，我们使用clf.predict方法来预测测试数据的标签，然后使用accuracy_score函数来计算模型的准确性。

结果

 

 

完整代码

为了方便你查看和运行，以下是完整的代码：

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
 
# 设置随机种子以确保结果可重复
np.random.seed(42)
 
# 生成99个交易日期（工作日）
dates = pd.date_range(start='2023-01-01', periods=99, freq='B')
 
# 随机生成股票价格数据
open_prices = np.random.uniform(low=100, high=200, size=len(dates))
high_prices = open_prices * np.random.uniform(low=1, high=1.1, size=len(dates))
low_prices = open_prices * np.random.uniform(low=0.9, high=1, size=len(dates))
close_prices = np.random.uniform(low=100, high=200, size=len(dates))
volumes = np.random.randint(low=1000, high=10000, size=len(dates))
 
# 创建数据框
stock_data = pd.DataFrame({
    '日期': dates,
    '开盘价': open_prices,
    '最高价': high_prices,
    '最低价': low_prices,
    '收盘价': close_prices,
    '成交量': volumes
})
 
# 将数据保存到CSV文件中
stock_data.to_csv('data.csv', index=False, encoding='utf-8-sig')
print("数据已保存到data.csv文件中")
 
# 读取CSV文件中的数据
stock_data = pd.read_csv('data.csv')
print(stock_data.head())
 
# 设置字体属性，确保能显示中文
font = FontProperties(fname='C:/Windows/Fonts/simhei.ttf')  # 这里使用黑体，可以根据需要更改
 
# 绘制收盘价的时间序列图
plt.figure(figsize=(12, 6))
plt.plot(stock_data['日期'], stock_data['收盘价'], label='收盘价')
plt.title('模拟股票收盘价历史', fontproperties=font)
plt.xlabel('日期', fontproperties=font)
plt.ylabel('收盘价 (美元)', fontproperties=font)
plt.legend(prop=font)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
 
# 创建新的特征和标签
stock_data['次日收盘价'] = stock_data['收盘价'].shift(-1)
stock_data['价格上涨'] = (stock_data['次日收盘价'] > stock_data['收盘价']).astype(int)
stock_data.dropna(inplace=True)
print(stock_data.head())
 
# 选择特征和标签
features = stock_data[['收盘价', '开盘价', '最高价', '最低价', '成交量']]
labels = stock_data['价格上涨']
 
# 拆分数据集
X_train, X_test, y_train, y_test = train_test_split(features, labels, test_size=0.2, random_state=42)
 
# 训练决策树模型
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)
 
# 模型预测与评估
y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print(f"准确率: {accuracy:.2f}")

总结

生成随机股票数据，保存为 CSV 文件，并使用决策树进行预测和评估。

1. 安装必要的库：

   使用 pip install pandas numpy scikit-learn matplotlib 安装库。

2. 生成并保存随机数据：

   生成 99 个交易日（工作日）的随机股票数据，包括日期、开盘价、最高价、最低价、收盘价和成交量。使用 pandas 将数据保存到 data.csv 文件中。

3. 读取并准备数据：

   • 从 CSV 文件中读取数据。
   • 创建新的特征（次日收盘价）和标签（价格上涨）。

4. 数据可视化：

   • 使用 matplotlib 绘制收盘价的时间序列图。
   • 设置字体属性以确保图表中能正确显示中文。

5. 拆分数据集：

   将数据集拆分为训练集和测试集。

6. 训练决策树模型：

   使用 DecisionTreeClassifier 训练模型。

7. 模型预测与评估：

   使用测试集对模型进行评估，计算模型的准确性。