樣例 - Python機器學(xué)習(xí)回歸部分的應(yīng)用與教程

在許多例子中，你不能這么做。想象如果你使用幾個 GB 的數(shù)據(jù)來訓(xùn)練分類器。訓(xùn)練分類器會花費幾天，不能在每次想要做出預(yù)測的時候都這么做。因此，你可能需要不縮放任何東西，或者單獨縮放數(shù)據(jù)。通常，你可能希望測試這兩個選項，并看看那個對于你的特定案例更好。

要記住它，讓我們在定義X的時候處理所有行：
X = np.array(df.drop(['label'], 1))
X = preprocessing.scale(X)
X_lately = X[-forecast_out:]
X = X[:-forecast_out]

df.dropna(inplace=True)

y = np.array(df['label'])

X_train, X_test, y_train, y_test = cross_validation.train_test_split(X, y, test_size=0.2)
clf = LinearRegression(n_jobs=-1)
clf.fit(X_train, y_train)
confidence = clf.score(X_test, y_test)
print(confidence)

要注意我們首先獲取所有數(shù)據(jù)，預(yù)處理，之后再分割。我們的X_lately變量包含最近的特征，我們需要對其進行預(yù)測。目前你可以看到，定義分類器、訓(xùn)練、和測試都非常簡單。預(yù)測也非常簡單：
forecast_set = clf.predict(X_lately)

forecast_set是預(yù)測值的數(shù)組，表明你不僅僅可以做出單個預(yù)測，還可以一次性預(yù)測多個值?？纯次覀兡壳皳碛惺裁矗?br /> [ 745.67829395 737.55633261 736.32921413 717.03929303 718.59047951
731.26376715 737.84381394 751.28161162 756.31775293 756.76751056
763.20185946 764.52651181 760.91320031 768.0072636 766.67038016
763.83749414 761.36173409 760.08514166 770.61581391 774.13939706
768.78733341 775.04458624 771.10782342 765.13955723 773.93369548
766.05507556 765.4984563 763.59630529 770.0057166 777.60915879] 0.956987938167 30

所以這些就是我們的預(yù)測結(jié)果，然后呢？已經(jīng)基本完成了，但是我們可以將其可視化。股票價格是每一天的，一周 5 天，周末沒有。我知道這個事實，但是我們打算將其簡化，把每個預(yù)測值當(dāng)成每一天的。如果你打算處理周末的間隔（不要忘了假期），就去做吧，但是我這里會將其簡化。最開始，我們添加一些新的導(dǎo)入：

import datetime
import matplotlib.pyplot as plt
from matplotlib import style

我導(dǎo)入了datetime來處理datetime對象，Matplotlib 的pyplot包用于繪圖，以及style來使我們的繪圖更加時髦。讓我們設(shè)置一個樣式：
style.use('ggplot')

之后，我們添加一個新的列，forecast列：
df['Forecast'] = np.nan

我們首先將值設(shè)置為 NaN，但是我們之后會填充他。

預(yù)測集的標(biāo)簽正好從明天開始。因為我們要預(yù)測未來m = 0.1 * len(df)天的數(shù)據(jù)，相當(dāng)于把收盤價往前移動m天生成標(biāo)簽。那么數(shù)據(jù)集的后m個是不能用作訓(xùn)練集和測試集的，因為沒有標(biāo)簽。于是我們將后m個數(shù)據(jù)用作預(yù)測集。預(yù)測集的第一個數(shù)據(jù)，也就是數(shù)據(jù)集的第n - m個數(shù)據(jù)，它的標(biāo)簽應(yīng)該是n - m + m = n天的收盤價，我們知道今天在df里面是第n - 1天，那么它就是明天。

我們首先需要抓取 DataFrame 的最后一天，將每一個新的預(yù)測值賦給新的日期。我們會這樣開始。
last_date = df.iloc[-1].name
last_unix = last_date.timestamp()
one_day = 86400
next_unix = last_unix + one_day

現(xiàn)在我們擁有了預(yù)測集的起始日期，并且一天有 86400 秒?，F(xiàn)在我們將預(yù)測添加到現(xiàn)有的 DataFrame 中。
for i in forecast_set:
next_date = datetime.datetime.fromtimestamp(next_unix)
next_unix += 86400
df.loc[next_date] = [np.nan for _ in range(len(df.columns)-1)]+[i]

我們這里所做的是，迭代預(yù)測集的標(biāo)簽，獲取每個預(yù)測值和日期，之后將這些值放入 DataFrame（使預(yù)測集的特征為 NaN）。最后一行的代碼創(chuàng)建 DataFrame 中的一行，所有元素置為 NaN，然后將最后一個元素置為i（這里是預(yù)測集的標(biāo)簽）。我選擇了這種單行的for循環(huán)，以便在改動 DataFrame 和特征之后，代碼還能正常工作。所有東西都做完了嗎？將其繪制出來。
df['Adj. Close'].plot()
df['Forecast'].plot()
plt.legend(loc=4)
plt.xlabel('Date')
plt.ylabel('Price')
plt.show()

完整的代碼：
import Quandl, math
import numpy as np
import pandas as pd
from sklearn import preprocessing, cross_validation, svm
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
from matplotlib import style
import datetime

style.use('ggplot')