写一段svm股票预测python代码

以下是一个简单的 SVM 股票价格预测 Python 代码示例：

# 导入必要的库
import pandas as pd
import numpy as np
from sklearn.svm import SVR
from sklearn.metrics import mean_squared_error

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

# 准备数据
X = np.array(data['feature'].values).reshape(-1, 1)
y = np.array(data['target'].values)

# 拆分数据集
train_size = int(len(X) * 0.8)
X_train, X_test = X[:train_size], X[train_size:]
y_train, y_test = y[:train_size], y[train_size:]

# 创建 SVM 模型
svm_model = SVR(kernel='rbf', C=100, gamma='scale')

# 训练模型
svm_model.fit(X_train, y_train)

# 预测并评估模型
y_pred = svm_model.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print('MSE:', mse)

请注意，本示例假定您已经准备好了一个名为 'stock_prices.csv' 的数据文件，其中包含两列数据：特征和目标。您需要将其替换为您的实际数据文件名称，并相应地调整代码，以确保正确读取和处理数据。此外，您还可以尝试使用不同的 SVM 参数和内核，以找到最佳的模型配置。