Skalning av data och KNN-regression

Maskininlärning för finans i Python

Nathan George

Data Science Professor

särdragsvikter

Maskininlärning för finans i Python

Särdragsurval: ta bort veckodagar

print(feature_names)

['10d_close_pct',
 '14-day SMA',
 '14-day RSI',
 '200-day SMA',
 '200-day RSI',
 'Adj_Volume_1d_change',
 'Adj_Volume_1d_change_SMA',
 'weekday_1',
 'weekday_2',
 'weekday_3',
 'weekday_4']

print(feature_names[:-4])

['10d_close_pct',
 '14-day SMA',
 '14-day RSI',
 '200-day SMA',
 '200-day RSI',
 'Adj_Volume_1d_change',
 'Adj_Volume_1d_change_SMA']
Maskininlärning för finans i Python

Ta bort veckodagar

train_features = train_features.iloc[:, :-4]
test_features = test_features.iloc[:, :-4]
Maskininlärning för finans i Python

2D-särdragsplot

Maskininlärning för finans i Python

KNN-prediktion okänd punkt

Maskininlärning för finans i Python

KNN-prediktion med 2 närmaste punkter

Maskininlärning för finans i Python

Minkowski-avstånd

Maskininlärning för finans i Python

stort och litet särdrag

Maskininlärning för finans i Python

Skalningsalternativ

Skalningsalternativ:

  • min-max
  • standardisering
  • median-MAD
  • avbildning till godtycklig funktion (t.ex. sigmoid, tanh)
Maskininlärning för finans i Python

2D-särdragsplot före och efter skalning

Maskininlärning för finans i Python

sklearns scale

from sklearn.preprocessing import scale

sc = scale()
scaled_train_features = sc.fit_transform(train_features)
scaled_test_features = sc.transform(test_features)
Maskininlärning för finans i Python

före och efter standardisering

Maskininlärning för finans i Python

Skapa delplottar

# create figure and list containing axes
f, ax = plt.subplots(nrows=2, ncols=1)

# plot histograms of before and after scaling
train_features.iloc[:, 2].hist(ax=ax[0])
ax[1].hist(scaled_train_features[:, 2])
plt.show()
Maskininlärning för finans i Python

Nu kör vi en övning!

Maskininlärning för finans i Python

Preparing Video For Download...