Перетворення даних, ознаки та цілі

Machine Learning для фінансів у Python

Nathan George

Data Science Professor

Створення ознак і цілей

features = amd_df[['10d_close_pct', 'Adj_Volume']]

targets = amd_df['10d_future_close_pct']

print(type(features))

pandas.core.series.DataFrame

print(type(targets))

pandas.core.series.Series
Machine Learning для фінансів у Python

ціна та ковзна середня

Machine Learning для фінансів у Python

Ковзні середні

Ковзні середні:

  • використовуйте n попередніх днів для середнього
  • типові n: 14, 50, 200
Machine Learning для фінансів у Python

ціна та SMA

Machine Learning для фінансів у Python

графік RSI і ціни

Machine Learning для фінансів у Python

формула RSI

формула RS

Machine Learning для фінансів у Python

Обчислення SMA та RSI

import talib

amd_df['ma200'] = talib.SMA(amd_df['Adj_Close'].values, timeperiod=200)

amd_df['rsi200'] = talib.RSI(amd_df['Adj_Close'].values, timeperiod=200)
Machine Learning для фінансів у Python

Нарешті, наші ознаки

feature_names = ['10d_close_pct', 'ma200', 'rsi200']
features = amd_df[feature_names]
targets = amd_df['10d_future_close_pct']

feature_target_df = amd_df[feature_names + '10d_future_close_pct']
Machine Learning для фінансів у Python

Перевірте кореляції

import seaborn as sns

corr = feature_target_df.corr()
sns.heatmap(corr, annot=True)
Machine Learning для фінансів у Python

графік кореляції ознак і цілі

Machine Learning для фінансів у Python

Створімо ознаки та цілі!

Machine Learning для фінансів у Python

Preparing Video For Download...