python机器学习算法利用训练集数据预测股票未来的开盘价，收盘价，最高价，最低价及成交量。模型评价指标使用R2、MAE和MSE。代码

好的，以下是一个简单的Python机器学习算法，利用训练集数据预测股票未来的开盘价，收盘价，最高价，最低价及成交量，并使用R2、MAE和MSE作为模型评价指标的代码：

# 导入所需的库
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score, mean_absolute_error, mean_squared_error

# 读取数据
data = pd.read_csv('stock_data.csv')

# 定义特征和目标变量
X = data.drop(['open', 'close', 'high', 'low', 'volume'], axis=1)
y = data[['open', 'close', 'high', 'low', 'volume']]

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 定义线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 计算R2、MAE和MSE
r2 = r2_score(y_test, y_pred)
mae = mean_absolute_error(y_test, y_pred)
mse = mean_squared_error(y_test, y_pred)

# 输出结果
print('R2 score:', r2)
print('MAE:', mae)
print('MSE:', mse)

其中，`stock_data.csv`是包含股票数据的CSV文件，包括开盘价、收盘价、最高价、最低价和成交量等变量。在这个例子中，我们使用线性回归模型进行训练和预测，并计算R2、MAE和MSE作为模型评价指标。