随机森林预测股价python

随机森林是一种集成学习方法，它通过构建一系列决策树并取其平均结果来进行预测。在Python中，我们可以使用scikit-learn库中的RandomForestRegressor来预测股票价格。以下是使用随机森林进行股价预测的一个简单步骤：

1. **数据准备**：首先需要获取历史股票价格数据，包括收盘价、开盘价、最高价、最低价等。通常还需要一些额外的技术指标或宏观经济数据作为特征。

import pandas as pd
from sklearn.datasets import fetch_openml

# 从Yahoo Finance或其他来源获取数据
data = pd.read_csv('stock_data.csv')

2. **数据预处理**：清理数据，填充缺失值，将时间序列数据转化为适合训练的形式。

from sklearn.preprocessing import MinMaxScaler

data['Date'] = pd.to_datetime(data['Date'])
data.set_index('Date', inplace=True)
scaler = MinMaxScaler()
data_scaled = scaler.fit_transform(data)

3. **分割数据**：划分训练集和测试集，常用的是80%的数据用于训练，20%用于验证模型性能。

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(data_scaled[:, :-1], data_scaled[:, -1], test_size=0.2)

4. **创建随机森林模型**：

from sklearn.ensemble import RandomForestRegressor

rf_model = RandomForestRegressor(n_estimators=100, random_state=42)
rf_model.fit(X_train, y_train)

5. **预测与评估**：使用模型对测试集进行预测，并计算如R^2分数、均方误差(MSE)等指标来衡量模型效果。

y_pred = rf_model.predict(X_test)

from sklearn.metrics import mean_squared_error, r2_score
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)
print(f"Mean Squared Error: {mse}, R^2 Score: {r2}")