怎么用weka来寻找股票历史数据中的最有用数据，并且怎么用weka来找出买入点和卖出点

使用Weka来寻找股票历史数据中的最有用数据，可以采用属性选择器。属性选择器可以帮助我们找到最能够区分不同类别的属性。具体步骤如下：

1. 将股票历史数据导入Weka中，并选择相应的类别属性（例如涨跌幅）。
2. 选择属性选择器，Weka中有多种属性选择器可供选择，例如信息增益、卡方检验、一致性等。我们可以根据具体情况选择合适的属性选择器。
3. 进行属性选择。在属性选择过程中，我们需要设置一些参数，例如选择的属性数目等。属性选择器将会根据这些参数选择最有用的属性。

使用Weka来找出买入点和卖出点，可以采用分类器。分类器可以根据历史数据的特征来预测未来的趋势。具体步骤如下：

1. 将股票历史数据导入Weka中，并选择相应的类别属性（例如涨跌幅）。
2. 选择分类器，Weka中有多种分类器可供选择，例如决策树、朴素贝叶斯、神经网络等。我们可以根据具体情况选择合适的分类器。
3. 进行训练和测试。我们需要将历史数据分为训练集和测试集，使用训练集来训练分类器，然后使用测试集来测试分类器的准确性。
4. 根据分类器的预测结果来找出买入点和卖出点。当分类器预测出股票将会上涨时，我们可以认为这是一个买入点；当分类器预测出股票将会下跌时，我们可以认为这是一个卖出点。

需要注意的是，分类器的准确性取决于历史数据的质量和分类器的选择和参数设置。因此，在使用分类器来预测买入点和卖出点时，我们需要对历史数据进行仔细的分析和筛选，同时也需要选择合适的分类器并进行参数调整。

相关问题

帮我写一个关于600893.SH的股票2016年到2018年的历史交易数据（只知道开盘价，最高价，最低价，收盘价，交易量的情况下）的趋势跟踪策略并且用weka来进行分析，并标出买入点跟卖出点

好的，我会为您提供策略和分析。

策略：
考虑到历史交易数据只有开盘价，最高价，最低价，收盘价和交易量，我建议使用技术分析中的移动平均线来跟踪趋势。具体来说，我们可以使用5日和20日移动平均线。当5日移动平均线上穿20日移动平均线时，产生一个买入信号，表示股票处于上涨趋势。当5日移动平均线下穿20日移动平均线时，产生一个卖出信号，表示股票处于下跌趋势。

分析：
我们可以使用Weka来进行数据分析。具体来说，我们可以使用Weka中的分类器来预测买入点和卖出点。首先，我们需要将历史交易数据导入Weka中。然后，我们可以使用Weka中的属性选择器来选择最有用的属性。接下来，我们可以使用Weka中的分类器来预测买入点和卖出点。具体来说，我们可以使用决策树或神经网络来进行分类。

最后，根据移动平均线策略和Weka分析的结果，我们可以标出买入点和卖出点。当5日移动平均线上穿20日移动平均线时，产生一个买入信号，表示股票处于上涨趋势。当Weka预测出买入点时，我们可以进行买入操作。当5日移动平均线下穿20日移动平均线时，产生一个卖出信号，表示股票处于下跌趋势。当Weka预测出卖出点时，我们可以进行卖出操作。

希望这个策略和分析对您有所帮助。

用weka对股票数据进行聚类分析对股票数据的要求

对于股票数据的聚类分析，要求数据具有以下特点：

1. 数据应当是时间序列，即包含股票每个交易日的数据，如收盘价、开盘价、最高价、最低价等。

2. 数据应当包含多只股票的数据，这样才能进行股票之间的相似性分析。

3. 数据应当是数值型的，即可以进行数值计算，在Weka中需要将数据转换为arff格式。

4. 数据应当经过预处理，如去除异常值、缺失值的处理等。

5. 数据应当具有一定的规模，即数据量不宜过小，以保证聚类分析的可靠性。

总之，对于股票数据的聚类分析，需要具有一定的时间序列、多股票、数值型、预处理和规模等特点。