目录
第一步：准备工作
1.1 安装必要的库
小李的理解：
1.2 导入库
小李的理解：
第二步：生成和准备数据
2.1 生成随机股票数据
小李的理解：
2.2 数据探索与可视化
小李的理解：
2.3 数据处理
小李的理解：
2.4 选择特征和标签
小李的理解：
第三步：拆分数据集
小李的理解：
第四步：训练决策树模型
小李的理解：
第五步：模型预测与评估
小李的理解：
结果
完整代码
总结
专栏：机器学习笔记
总篇：学习路线
第一卷：线性回归模型
第二卷：逻辑回归模型
第一步：准备工作
1.1 安装必要的库
小李的理解：
在开始之前，需要安装一些工具，类似于做饭前要准备好各种食材。这里，需要安装pandas、scikit-learn和matplotlib，它们分别用于数据处理、机器学习和数据可视化。
在Pycharm中打开终端，并运行以下命令：
p
IP install pandas scikit-learn matplotlib
这些库的作用如下：
pandas：用于
数据处理和
分析，就像厨房里的切菜板和刀。scikit-learn：用于机器学习模型的构建和评估，相当于厨房里的锅和炉灶。matplotlib：用于
数据可视化，类似于摆盘和装饰菜肴。
1.2 导入库
小李的理解：
在新的Python文件中，导入这些库。就像准备好工具后，把它们放在桌子上随时可以使用。
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
import matplotlib.pyplot as plt
第二步：生成和准备数据
小李的理解：
现在要生成一些模拟的股票数据。想象在创建一个虚拟的股票市场，这些数据包括日期、开盘价、最高价、最低价、收盘价和成交量。就像在做一顿虚拟的大餐，需要各种食材和调料。
dates = pd.date_range(start=2023-01-01, periods=99, freq=B)
open_prices = np.random.uniform(low=100, high=200, size=len(dates))
high_prices = open_prices * np.random.uniform(low=1, high=1.1, size=len(dates))
low_prices = open_prices * np.random.uniform(low=0.9, high=1, size=len(dates))
close_prices = np.random.uniform(low=100, high=200, size=len(dates))
volumes = np.random.randint(low=1000, high=10000, size=len(dates))
stock_data = pd.DataFrame({
stock_data.to_csv(data.csv, index=False, encoding=utf-8-sig)
print(
"数据已保存到data.csv文件中")
2.2 数据探索与可视化
小李的理解：
为了更好地理解我们的数据，可以绘制收盘价的时间序列图。这就像是把做好的菜摆盘后拍张照片，看看颜色和外观怎么样。
plt.figure(figsize=(12, 6))
plt.plot(stock_data[收盘价], label=收盘价)
这段代码将显示模拟股票收盘价随时间变化的图表。
小李的理解：
为了进行预测，需要创建一些特征和标签。用今天的数据来预测明天的情况。具体来说，会看看今天的收盘价，并判断明天的收盘价是否会上涨。就像是根据今天的天气预测明天是否会下雨。
stock_data[次日收盘价] = stock_data[收盘价].shift(-1)
stock_data[价格上涨] = (stock_data[次日收盘价] > stock_data[收盘价]).astype(int)
stock_data.dropna(inplace=True)
在这段代码中：
创建了一个新的列次日收盘价，表示下一天的收盘价。
创建了
标签列价格上涨，如果第二天的收盘价高于当天，则
标签为1，否则为0。
删除了包含空值的行。
2.4 选择特征和标签
小李的理解：
选择一些关键数据作为特征，用它们来预测明天的情况。这些特征包括收盘价、开盘价、最高价、最低价和成交量。就像是选择了一些重要的天气指标（如温度、湿度、风速等）来预测明天的天气。
features = stock_data[[收盘价, 开盘价, 最高价, 最低价, 成交量]]
labels = stock_data[价格上涨]
在这段代码中，选择了特征列和标签列，用于后续的模型训练和评估。
第三步：拆分数据集
小李的理解：
为了评估模型，需要把数据分成两部分：一部分用来训练模型，另一部分用来测试模型的准确性。就像是用一些数据来训练一个预测模型，然后用其他数据来验证它的预测能力。
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(features, labels, test_size=0.2, random_state=42)
在这段代码中，将数据集的80%用作训练集，20%用作测试集。还设置了random_state参数，以确保每次运行代码时拆分方式相同。
第四步：训练决策树模型
小李的理解：
可以用训练数据来训练我们的模型了。决策树是一种机器学习算法，就像是一个聪明的机器人，它可以学习数据中的模式，并根据这些模式做出预测。
from sklearn.tree import DecisionTreeClassifier
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)
在这段代码中，首先创建了一个DecisionTreeClassifier对象，然后使用训练数据X_train和y_train来训练模型。
第五步：模型预测与评估
小李的理解：
训练完成后，可以用测试数据来评估模型的表现。让模型对测试数据做出预测，并计算预测的准确性。就像是测试一个天气预报模型，看看它预测的准确性有多高。
from sklearn.metrics import accuracy_score
y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print(f"准确率: {accuracy:.2f}")
在这段代码中，我们使用clf.predict方法来预测测试数据的标签，然后使用accuracy_score函数来计算模型的准确性。
结果
日期 开盘价 最高价 最低价 收盘价 成交量
0 2023-01-02 137.454012 138.937023 135.901969 121.582103 4440
1 2023-01-03 195.071431 195.684524 190.777431 162.289048 4766
2 2023-01-04 173.199394 184.221984 166.999404 108.534746 6644
3 2023-01-05 159.865848 164.891327 145.224374 105.168172 3914
4 2023-01-06 115.601864 121.481036 105.910136 153.135463 5968
日期 开盘价 最高价 ... 成交量 次日收盘价 价格上涨
0 2023-01-02 137.454012 138.937023 ... 4440 162.289048 1
1 2023-01-03 195.071431 195.684524 ... 4766 108.534746 0
2 2023-01-04 173.199394 184.221984 ... 6644 105.168172 0
3 2023-01-05 159.865848 164.891327 ... 3914 153.135463 1
4 2023-01-06 115.601864 121.481036 ... 5968 154.063512 1
[5 rows x 8 columns]
准确率: 0.50
为了方便你查看和运行，以下是完整的代码：
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
dates = pd.date_range(start=2023-01-01, periods=99, freq=B)
open_prices = np.random.uniform(low=100, high=200, size=len(dates))
high_prices = open_prices * np.random.uniform(low=1, high=1.1, size=len(dates))
low_prices = open_prices * np.random.uniform(low=0.9, high=1, size=len(dates))
close_prices = np.random.uniform(low=100, high=200, size=len(dates))
volumes = np.random.randint(low=1000, high=10000, size=len(dates))
stock_data = pd.DataFrame({
stock_data.to_csv(data.csv, index=False, encoding=utf-8-sig)
print(
"数据已保存到data.csv文件中")
stock_data = pd.read_csv(data.csv)
font
= FontProperties(fname
=C:/windows/Fonts/simhei.ttf) # 这里使用黑体，可以根据需要更改
plt.figure(figsize=(12, 6))
plt.plot(stock_data[日期], stock_data[收盘价], label=收盘价)
plt.title(
模拟股票收盘价历史, fontproperties
=font)
plt.xlabel(日期, fontproperties=font)
plt.ylabel(收盘价 (美元), fontproperties=font)
stock_data[次日收盘价] = stock_data[收盘价].shift(-1)
stock_data[价格上涨] = (stock_data[次日收盘价] > stock_data[收盘价]).astype(int)
stock_data.dropna(inplace=True)
features = stock_data[[收盘价, 开盘价, 最高价, 最低价, 成交量]]
labels = stock_data[价格上涨]
X_train, X_test, y_train, y_test = train_test_split(features, labels, test_size=0.2, random_state=42)
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)
y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print(f"准确率: {accuracy:.2f}")
总结
生成随机股票数据，保存为 CSV 文件，并使用决策树进行预测和评估。
安装必要的库：
使用 p
IP install pandas numpy scikit-learn matplotlib
安装库。
生成并保存随机数据：
生成 99 个交易日（工作日）的随机
股票数据，包括日期、开盘价、最高价、最低价、收盘价和成交量。使用 pandas 将
数据保存到 data.csv
文件中。
读取并准备数据：
从 CSV
文件中读取
数据。
创建新的特征（次日收盘价）和
标签（价格上涨）。
数据可视化：
使用 matplotlib 绘制收盘价的时间序列图。
设置字体属性以确保图表中能正确显示中文。
拆分数据集：
将
数据集拆分为训练集和
测试集。
训练决策树模型：
使用 DecisionTreeClassifier 训练模型。
模型预测与评估：
使用
测试集对模型进行评估，计算模型的准确性。
