从零开始用人工智能预测股票（二、数据加工）

人木

于 2018-03-19 16:00:17 发布

阅读量5.5k

点赞数 2

分类专栏：股票预测文章标签：机器学习 TensorFlow 股票数据加工特征提取

本文链接：https://blog.youkuaiyun.com/qq_36534601/article/details/79612581

版权

本文介绍了如何从零开始利用机器学习处理股票数据，特别是针对上证指数的历史数据。首先，数据从csv文件读取，然后进行数据归一化处理，以消除数值大小对趋势分析的影响。归一化方法是将所有非比率数据除以前百日平均值。此外，考虑到前100天的收盘价对预测的重要性，将其作为特征之一。涨跌幅被选作标签，并转换为one_hot形式以便于softmax模型训练。训练集和测试集按4:1比例划分，训练过程中采用随机抽样100天数据进行迭代训练。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在聚数力平台上下载的股票数据为csv格式，内容为历史每日股票的基本数据，为了使数据能表现我们对股票预测因素的分析，我们需要对数据进行加工。

我们选择上证指数作为示例，原始数据如下图：

包括日期，前收盘价，开盘价，最高价，最低价，收盘价，成交量，成交金额，涨跌，涨跌幅。

1、首先读取数据，将数据从文件中读入至程序列表中：

def readData():
    '''
            数据读取，从csv文件中读取数据，转成列表形式
    '''
    data = []
    date = []
    with open('./stock_data\szzhzs.CSV') as file:
        file.readline()
        line = file.readline()
        while line:
            line = file.readline().strip('\n')
            data_i = line.split(',')
            i0 = data_i[0]
            data_i =[float(i) for i in data_