python机器学习股票预测代码

作为AI语言代表，Python在金融领域的应用越来越广泛。其中，股票市场的预测是金融领域中最常见的应用之一。下面是一个简单的Python机器学习股票预测代码示例：

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

# 读取数据集
data = pd.read_csv('StockPrices.csv', index_col=0)

# 分离自变量和因变量
X = data.drop('Close', axis=1)
y = data['Close']

# 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=0)

# 创建线性回归模型，拟合训练集
model = LinearRegression()
model.fit(X_train, y_train)

# 预测测试集
y_pred = model.predict(X_test)

# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
print('Mean Squared Error:', mse)

在这个示例中，我们使用了一个简单的线性回归模型来预测股票价格。具体地，我们使用了一个包含Open、High、Low和Volume四个自变量的数据集，预测Close因变量。

通过将数据集分为训练集和测试集，我们可以使用训练集来拟合模型，并使用测试集来评估模型的性能。在这个示例中，我们使用了均方误差作为性能指标。