12、模型特征添加与股票市场预测：从理论到实践

模型特征添加与股票市场预测：从理论到实践

1. 模型特征添加

在构建模型时，为了提升其性能，我们可以尝试添加新的特征。首先，我们考虑添加单词计数特征，使用 CountVectorizer 来完成这一操作。具体步骤如下：

from sklearn.feature_extraction.text import CountVectorizer 
vect = CountVectorizer(ngram_range=(1,3)) 
X_titles_all = vect.fit_transform(all_data['title']) 
X_titles_train = X_titles_all[train_index] 
X_titles_test = X_titles_all[test_index] 
X_test = pd.merge(X_test, pd.DataFrame(X_titles_test.toarray(), index=X_test.index), left_index=True)
X_train = pd.merge(X_train, pd.DataFrame(X_titles_train.toarray(), index=X_train.index), left_index=True)

上述代码将现有的特征与新的 n - gram 特征进行了合并。接下来，我们训练模型并查看是否有改进：

clf.fit(X_train, y_train) 
y_pred = clf.pre