用回归树预测股价

引言

在当今复杂多变的金融市场中,股价预测一直是投资者和金融分析师们不懈追求的目标。准确预测股价的走势能够为投资者带来丰厚的回报,因此很多投资公司和基金公司用极高的年薪雇佣了一批高学历的人才,致力于通过构建数学模型和机器学习模型来提高投资收益率。

然而,股价的变动受到众多因素的影响,包括宏观经济状况、行业趋势、公司财务状况、政治局势、市场情绪等等,这使得股价预测成为一项极具挑战性的任务[……]

继续阅读

数据预处理与特征工程

前面几章我们学习了怎么使用决策树模型对数据建模和做预测。但是前提是,我们已经有一些可以直接喂给模型的数据。从前面的课程中,我们知道,机器学习模型的输入数据要求是固定维度的数值型向量。

那么,实际情况下,我们怎么将我们收集的数据转换为机器学习模型所需要的格式呢?

这时我们就需要对原始数据进行预处理,然后使用特征工程的方法来将这些原始数据转换成机器学习模型所需要的数据格式。

特征工程[……]

继续阅读

回归树

回归问题

前面几章我们主要介绍了分类问题是怎么处理的,这一章我们要学习机器学习中另一类重要问题——回归问题。

回归问题是一种预测问题,其目标是根据给定的输入特征,预测一个连续的数值输出。与分类问题不同,分类问题的输出是离散的类别,而回归问题的输出是一个具体的数值。

以下是一些回归问题的例子:

在这些例子中,我们的目标都是通过输入的相关特征,建立一个模型来[……]

继续阅读

用决策树模型解决实际问题

在数据科学的领域中,决策树模型是一种非常强大且易于理解的工具。对于初学者来说,理解和运用决策树模型来解决实际问题是一个有趣且富有收获的过程。

那么,如何用决策树模型来解决实际问题呢?

用机器学习模型解决实际问题通常分为这样几步:

下面我们通过3个不同领域的案例来学习如何将实际问题转化为机器学习建模的问题,然后使用决策树模型来做预测。

人脸识别

设想[……]

继续阅读

过拟合与模型泛化

从前面使用决策树模型分类的经验中,我们可以发现,决策树模型最后几乎总是能100%预测准确!这说明决策树模型非常强大,复杂的任务也可以准确预测出来。但是我们也会有个疑惑,这样一个100%准确预测的模型应用到实际数据中,真的能全预测对吗?

模型的过拟合

为了验证上面的猜测,我们继续回到鸢尾花分类任务。

为了模拟实际情况,我们把数据集随机分为两份,一份我们可以用来训练模型,这部[……]

继续阅读

深入理解决策树模型

在前一篇文章中,我们简单了解了决策树分类模型。从算法的伪代码中,我们看到决策树有3个基本操作:

停止准则

在前面的文章中,我们判断如果集合D中只有1种类别,就停止分裂,这是一种常见的停止准则。此外,还有很多别的停止准则。以下是决策树算法常见的停止准则:

sklearn中的 DecisionTreeClassifier 模型中,min_sam[……]

继续阅读

注释

翻译自:https://www.pythontutorial.net/python-basics/python-comments/

Python注释简介

有时,您需要记录自己编写的代码。例如,您可能想说明一段代码为何有效。为此,您可以使用注释。

通常,您使用注释来解释公式、算法和复杂的业务逻辑。

当执行程序时,Python解释器会忽略注释,只解释代码。

Pyt[……]

继续阅读