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
时间: 2024-02-24 07:59:47 浏览: 79
使用BP神经网络和LSTM预测股票价格,Python
5星 · 资源好评率100%
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:
```python
# 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。
阅读全文