<a href="https://www.buymeacoffee.com/lastancientone" target="_blank"><img src="https://yellow-cdn.veclightyear.com/0a4dffa0/d84a9b6a-b913-4170-aa95-326fd74fd101.png" alt="给我买杯咖啡" style="height: 60px !important;width: 217px !important;" ></a>

<!-- Markdown 链接与图片 --> <!-- https://www.markdownguide.org/basic-syntax/#reference-style-links --> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/4289d937-ca2d-4b88-a4da-94ae9ec02d36.PNG"> <h1 align="center">深度学习和机器学习用于股票预测</h1>

描述：这是一项使用深度学习（DL）和机器学习（ML）技术对股票进行的全面研究和分析。机器学习和深度学习都属于人工智能（AI）的一种。目标是通过采用各种机器学习和深度学习算法来预测股票行为。重点是对股票数据进行实验，以了解某些方法为何有效以及识别其潜在局限性的原因。在机器学习和深度学习的背景下探索不同的股票策略。利用这些AI技术进行技术分析和基本面分析来预测未来股票价格，包括长期和短期预测。

机器学习是人工智能的一个分支，涉及开发能够通过处理结构化数据自动适应和生成输出的算法。另一方面，深度学习是机器学习的一个子集，它使用类似的算法但增加了额外的复杂层，使数据能够进行不同的解释。深度学习中使用的算法网络被称为人工神经网络，它模仿人脑神经通路的互连性。

深度学习和机器学习是革新AI领域的强大方法。理解这些技术的基础知识和常用算法对于有抱负的数据科学家和AI爱好者来说至关重要。回归作为预测建模中的基本概念，在分析和预测连续变量方面起着关键作用。通过利用这些算法和技术的能力，我们可以在各个领域释放令人难以置信的潜力，从而推动众多行业的进步和改进。

机器学习步骤

1. 收集/聚集数据。
2. 准备数据 - 加载数据并为机器学习训练做准备。
3. 选择模型。
4. 训练模型。
5. 评估模型。
6. 参数调优。
7. 进行预测。

深度学习模型步骤

1. 定义模型。
2. 编译模型。
3. 用训练数据集拟合模型。
4. 进行预测。

<h3 align="left">编程语言和工具：</h3> <p align="left"> </a> <a href="https://www.python.org" target="_blank"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/6b67c3a2-e1fa-4a55-b709-c1b37f8d47f3.svg" alt="python" width="50" height="50"/> </a> <a href="https://nteract.io/" target="_blank"> <img src="https://avatars.githubusercontent.com/u/12401040?s=200&v=4" alt="Nteract" width="50" height="50"/> </a> <a href="https://anaconda.org/" target="_blank"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/5795ad4f-cb75-4b78-9304-957b83b0e655.png" alt="Anaconda" width="50" height="50"/> </a> <a href="https://www.spyder-ide.org/" target="_blank"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/c1ba68fe-23c3-4890-aca3-f4b568b1a5c8.png" alt="Spyder" width="50" height="50"/> </a> <a href="https://jupyter.org/" target="_blank"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/fda3c2af-18f6-48ba-b8d2-10bbf2aeab8d.svg" alt="Jupyter Notebook" width="50" height="50"/> </a> <a href="https://notepad-plus-plus.org/" target="_blank"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/432a11fb-1ef4-4a81-bb4b-23c048631aa7.png" alt="Notepad++" width="50" height="50"/> </a> </p>

三种主要的数据类型：分类变量、离散变量和连续变量

1. 分类变量（定性变量）：标签数据或不同的组别。 例如：位置、性别、材料类型、支付方式、最高学历
2. 离散变量（类别数据）：数值变量，但数据在任意两个值之间有可数的数值。 例如：客户投诉数量、缺陷数量、每户家庭的子女数量、年龄（年数）
3. 连续变量（定量变量）：在任意两个值之间有无限个数值的数值变量。 例如：零件长度、收到付款的日期和时间、跑步距离、年龄（无限精确且使用无限小数位）

数据使用

1. "定量数据"可用于所有三种中心测度（平均值、中位数和众数）和所有离散度量。
2. "类别数据"可用于中位数和众数。
3. "定性数据"仅用于众数。

两种问题类型：

1. 分类（预测标签）
2. 回归（预测数值）

偏差-方差权衡

偏差

• 偏差是实际值与预测值之间的差异。
• 偏差是我们的模型对数据做出的简单假设，以便预测新数据。
• 模型为了使函数更容易学习而做出的假设。

方差

• 方差与偏差相反。
• 方差是模型预测对给定数据点的变异性，或者说是告诉我们数据分散程度的值。
• 如果你在训练数据上训练你的模型并获得了很低的误差，当改变数据后再次训练相同的模型。

过拟合、欠拟合和偏差-方差权衡

过拟合是指模型记住了噪声并过于贴近训练集。良好拟合是指模型学习了训练数据集并能很好地泛化到新的数据集。欠拟合是指模型无法建立数据中的主要趋势；结果导致训练误差增加和模型性能不佳。

过拟合:

过拟合模型是一个在训练数据上表现良好的模型，能够拟合或者接近每个观测值;然而，这个模型抓错了重点，捕捉到了随机噪声。该模型具有低训练误差和高交叉验证误差，低样本内误差和高样本外误差，以及高方差。

1. 高训练准确率
2. 低测试准确率

避免过拟合:

1. 提前停止 - 在模型开始学习噪声之前停止训练。
2. 增加训练数据 - 添加更多数据将提高模型的准确性或帮助算法更好地检测信号。
3. 数据增强 - 在训练数据中添加干净和相关的数据。
4. 特征选择 - 使用数据中的重要特征。移除特征。
5. 正则化 - 使用诸如L1正则化、Lasso正则化和dropout等正则化方法来减少特征。
6. 集成方法 - 结合多个独立模型的预测，如bagging和boosting。
7. 增加训练数据。

良好拟合:

1. 高训练准确率
2. 高测试准确率

欠拟合:

欠拟合模型不够完善，因此无法捕捉数据的潜在逻辑。因此，该模型没有强大的预测能力，准确率低。该模型具有大的训练集误差，大的样本内误差，以及高偏差。

1. 低训练准确率
2. 低测试准确率

避免欠拟合:

1. 减少正则化 - 通过对具有较大系数的输入参数施加惩罚来降低模型的方差，如L1正则化、Lasso正则化、dropout等。
2. 延长训练时间 - 延长训练时间，因为过早停止训练会导致模型欠拟合。
3. 特征选择 - 如果没有足够的预测特征，那么添加更多特征或更重要的特征将改善模型。
4. 增加特征数量 - 进行特征工程
5. 移除数据中的噪声

Python 回顾

第1步到第8步是对Python的回顾。 第8步之后，你需要知道的所有内容都与数据分析、数据工程、数据科学、机器学习和深度学习有关。 这里是Python教程的链接： 股票分析Python教程

股票交易机器学习算法列表

最常见的回归算法

1. 线性回归模型
2. 逻辑回归
3. Lasso回归
4. 支持向量机
5. 多项式回归
6. 逐步回归
7. 岭回归
8. 多变量回归算法
9. 多元回归算法
10. K均值聚类算法
11. 朴素贝叶斯分类器算法
12. 随机森林
13. 决策树
14. 最近邻
15. Lasso回归
16. ElasticNet回归
17. 强化学习
18. 人工智能
19. 多模态网络
20. 生物智能

不同类型的机器学习算法和模型

算法是用于解决一类问题的过程和指令集。此外，算法执行计算，如计算、数据处理、自动推理和其他任务。机器学习算法是一种使系统能够从经验中自动学习和改进的方法，无需显式编程。

先决条件

Python 3.5+ Jupyter Notebook Python 3 Windows 7 或 Windows 10

下载软件

https://www.python.org/

<h3 align="left"> 编程语言：</h3> <p align="left"> </a> <a href="https://www.python.org" target="_blank"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/6b67c3a2-e1fa-4a55-b709-c1b37f8d47f3.svg" alt="python" width="80" height="80"/> </a> <h3 align="left">工具：</h3> <p align="left"> </a> <a href="https://anaconda.org/" target="_blank"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/5795ad4f-cb75-4b78-9304-957b83b0e655.png" alt="Anaconda" width="80" height="80"/> </a> <a href="https://www.spyder-ide.org/" target="_blank"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/5b4f3603-2c5f-4a90-b2aa-0e961115b2d7.png" alt="Spyder" width="80" height="80"/> </a> <a href="https://jupyter.org/" target="_blank"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/fda3c2af-18f6-48ba-b8d2-10bbf2aeab8d.svg" alt="Jupyter Notebook" width="80" height="80"/> </a> <a href="https://notepad-plus-plus.org/" target="_blank"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/432a11fb-1ef4-4a81-bb4b-23c048631aa7.png" alt="Notepad++" width="80" height="80"/> </a> <a href="https://www.jetbrains.com/pycharm/" target="_blank"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/cdb1ff65-88f5-4bca-a41e-dabf800b6cac.svg" alt="Notepad++" width="80" height="80"/> </a> </p>

<a href="https://www.buymeacoffee.com/lastancientone"><img src="https://img.buymeacoffee.com/button-api/?text=给我买本书&emoji=📚&slug=lastancientone&button_colour=000000&font_colour=ffffff&font_family=Lato&outline_colour=ffffff&coffee_colour=FFDD00" /></a>

作者

Tin Hang

免责声明

🔻 请勿使用此代码进行股票市场投资或交易。然而，如果你对股票市场感兴趣，你应该阅读与股票市场、投资或金融相关的:books:书籍。另一方面，如果你对量化或机器学习感兴趣，可以阅读有关📘机器交易、算法交易和量化交易的书籍。你应该阅读有关📗机器学习和深度学习的书籍，以理解其概念、理论和数学原理。此外，你还应该阅读学术论文，并在:computer:上对机器学习和深度学习进行在线研究。

代码中的某些部分可能会因特定库包的更新或过时而遇到问题。因此，根据所使用的Python包库，可能需要进行相应的调整。可能需要升级或降级某些库。

🔴 警告：这不是财务建议；不应依赖它进行投资或交易决策，因为它仅用于教育目的。