让我们在这个 Python 教程中讨论一下 Microsoft 股价预测。微软现在是世界顶级科技公司之一,在全球拥有超过 163,000 名员工。它以生产 Windows 操作系统而闻名,Windows 操作系统是使用最广泛的计算机操作系统之一。
这篇文章将教您如何预测微软未来的股票价值。在本文中,我将指导您完成使用 Python 进行机器学习来预测 Microsoft 股票价格的过程。
导入必要的模块/库和数据集
让我们开始通过加载相关的 Python 模块和数据集来应对预测 Microsoft 股票价格的挑战:
1
2
3
4
5
6
7
8
9
|
import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns sns. set () plt.style.use( 'seaborn' ) data = pd.read_csv( "MSFT.csv" ) data.head() |
数据可视化
该数据集中的“关闭”列包含我们希望预期其未来值的值。那么,让我们深入了解一下微软股价的历史收盘价:
1
2
3
4
5
6
|
plt.figure(figsize = ( 10 , 4 )) plt.title( "Microsoft Stock Prices" ) plt.xlabel( "Date" ) plt.ylabel( "Close" ) plt.plot(data[ "Close" ]) plt.show() |
寻找数据之间的相关性
现在让我们看看数据集特征之间的相关性:
1
2
3
|
print (data.corr()) sns.heatmap(data.corr(),cmap = "Greens" ) plt.show() |
将数据拆分为训练数据和测试数据
我现在将为机器学习模型准备数据。在此阶段,我将向 x 添加最重要的特征,向 y 添加目标列,然后将数据集分为训练集和测试集:
1
2
3
4
5
6
7
8
|
x = data[[ "Open" , "High" , "Low" ]] y = data[ "Close" ] x = x.to_numpy() y = y.to_numpy() y = y.reshape( - 1 , 1 ) from sklearn.model_selection import train_test_split xtrain, xtest, ytrain, ytest = train_test_split(x, y, test_size = 0.2 , random_state = 42 ) |
应用机器学习模型
现在让我们使用决策树回归算法来训练 Microsoft 股价预测模型并查看未来 5 天的预计股价:
1
2
3
4
5
6
|
from sklearn.tree import DecisionTreeRegressor model = DecisionTreeRegressor() model.fit(xtrain, ytrain) ypred = model.predict(xtest) data = pd.DataFrame(data = { "Predicted Rate" : ypred}) print (data.head()) |
因此,使用 Python 编程语言,您可以通过机器学习来预测 Microsoft 股票价值。自 Windows 11 即将推出以来,微软再次引起了全世界的关注。
因此,现在是预测微软股价的绝佳时机,因为它受到了很多关注。
结论
恭喜!您刚刚学习了如何预测 Microsoft 股票价格。希望你喜欢它!😇
喜欢该教程吗?无论如何,我建议您查看下面提到的教程:
感谢您抽出宝贵时间!希望你学到新东西!😄