机器学习股票价格预测

股票价格预测是一个常见的机器学习任务，可以使用多种方法来实现。以下是一种常见的方法，使用支持向量回归（Support Vector Regression, SVR）：

import numpy as np
from sklearn.svm import SVR
import matplotlib.pyplot as plt

# 示例数据
dates = [1, 2, 3, 4, 5, 6]
prices = [10, 15, 13, 17, 20, 26]

# 将日期转换为numpy数组并重塑形状
dates = np.reshape(dates, (len(dates), 1))

# 创建支持向量回归模型
svr_lin = SVR(kernel='linear', C=1e3)
svr_poly = SVR(kernel='poly', C=1e3, degree=2)
svr_rbf = SVR(kernel='rbf', C=1e3, gamma=0.1)

# 拟合数据
svr_lin.fit(dates, prices)
svr_poly.fit(dates, prices)
svr_rbf.fit(dates, prices)

# 绘制结果
plt.scatter(dates, prices, color='black', label='Data')
plt.plot(dates, svr_lin.predict(dates), color='green', label='Linear SVR')
plt.plot(dates, svr_poly.predict(dates), color='blue', label='Polynomial