《Python编程:从入门到实践》第16章收盘价周日均值作图问题?

一位新手在按照《Python编程:从入门到实践》第16章的指导进行收盘价周日均值作图时遇到问题,周别数值出现异常返回个位数,求助高手解答。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

《Python编程:从入门到实践》第16章收盘价周日均值作图问题?
新人求助,按照书上的步骤写的代码,为啥周别又会重新回到个位数?
照着网上的代码超了运行之后,还是会出现这个问题,实在找不到问题在哪里?求大神指点。!
在这里插入图片描述在这里插入图片描述

假设现在有股票市场的模拟据列表(每行对应某只股票在某日的据),其中列名分别为code(股票代码),date(日期),open(开盘价),close(收盘价),high(最高价),low(最低价),volume(交易量)。目标变量Y为第二天收盘价相对于前一天收盘价的变化率(需要答题人自行构建)试题 一、(5分)创建Final.ipynb,使用pandas.read_csv函读取所给据。 二、(15分)训练据的搭建:构建一个numpy.array,使得每行字对应某只股票在某天的所有特征变量值,并把结果储存在train_X变量中,把这些行对应的Y值储存在train_Y中。使用相同方法构建测试据,结果分别储存在变量test_X和test_Y中。 三、(10分)利用主成分分析算法(Principal Component Analysis)对据样本,即train_X进行降维,结果储存在train_encodes变量中。作图显示explained total variance ratio,其中每一个点的横坐标为主成分的序,纵坐标为从第一个到当前的主成分的explained variance ratio之和。 文字回答问题:(5分)保留的主成分的个越多越好吗?你是如何选择保留的主成分个的? 四、(5分)利用第三题中训练好的pca模型对test_X进行降维,结果储存在test_encodes中。 五、(10分)针对train_encodes,使用K-means Clustering算法将train_X中的样本分为2类。 六、(12分)基于train_X及train_Y,搭建训练神经元网络,并在test_X和test_Y上计算出分类正确率并输出结果。 说明:调节超参时(如网络层和节点个)不可使用测试据test_X和test_Y。 文字回答问题:(3分)根据模型表现,是否存在过拟合现象?为什么? 七、(10分)基于train_encodes及train_Y,搭建训练神经元网络,并在test_encodes和test_Y上计算出分类正确率并输出结果。 文字回答问题:(10分)模型的test accuracy是多少?根据你的结果,PCA是否帮助提升了模型的预测正确率? 八、(15分)文字回答问题:在分类问题上,K-means clustering和神经元网络模型的优劣分别是什么?
最新发布
04-01
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值