机器学习实操题目（图片仅供参考，与答案不一致）

@Channelchan 2018-01-30T17:55:30.000000Z 字数 3398 阅读 828

机器学习实操题目（图片仅供参考，与答案不一致）

Orange至实操代码模型绩效流程
数据处理
分类预测
回归参数
用Orange对1_UP_DOWN数据进行观察，构建机器学习多模型绩效体系，评估该数据用哪个模型与参数最佳，最后按precision排序输出完整分类的绩效，提交截图。

image.png-31kB

2.数据处理

用DataView读取某一股票，（000001.SZ）日级别的close_adj,pe,pb,ps,pcf因子，起始时间为2017-01-03，结束时间为2017-12-29。

         close_adj      pb     pcf      pe      ps
2017-01-03  959.585597  0.8822 -0.6374  7.1933  1.6356
2017-01-04  959.585597  0.8822 -0.6374  7.1933  1.6356
2017-01-05  960.633180  0.8832 -0.6381  7.2011  1.6374
2017-01-06  956.442850  0.8793 -0.6353  7.1697  1.6302
2017-01-09  958.538015  0.8813 -0.6367  7.1854  1.6338

用DataView读取所有股票，并读取它们的日级别的close_adj,pe,pb,ps,pcf因子，将索引修改成datetime格式，做成Panel，并转成DataFrame显示出来。

                    close_adj      pb       pcf        pe       ps
major      symbol                                                     
2017-01-03 000001.SZ   959.585597  0.8822   -0.6374    7.1933   1.6356
           000002.SZ  2752.580748  2.2792    3.5916   12.6296   1.1703
           000008.SZ   205.675439  4.3392 -323.3723  141.3076  20.2589
           000009.SZ    76.551081  4.9545   53.6505   28.4941   4.6209
           000012.SZ   200.848529  2.9722   11.8065   37.8691   3.1838

数据添加与采样，对第三题中得到的多重索引的表格进行重采样resample().last，将数据缩减到周级别，并在column轴上添加一个周收益W_return项，再添加涨为1，跌为-1的列。

                    close_adj      pb       pcf        pe       ps  \
major      symbol                                                        
2017-01-08 000001.SZ   956.442850  0.8793   -0.6353    7.1697   1.6302   
           000002.SZ  2740.630325  2.2693    3.5761   12.5748   1.1652   
           000008.SZ   208.758369  4.4042 -328.2194  143.4257  20.5625   
           000009.SZ    76.917004  4.9782   53.9070   28.6303   4.6430   
           000012.SZ   200.496163  2.9670   11.7858   37.8026   3.1783   

                       W_Return  Classify  
major      symbol                         
2017-01-08 000001.SZ  0.003286       1.0  
           000002.SZ  0.056686       1.0  
           000008.SZ -0.028481      -1.0  
           000009.SZ -0.041865      -1.0  
           000012.SZ  0.051845       1.0

3. 分类预测：

用决策树分类

TrainTest/Processing
X与y的设置，X = ['pe', 'pb', 'ps', 'pcf'], y=['Classify'],对数据进行TrainTestSplit，顺序不可打乱，再从sklearn.preprocessing导入minmax_scaler,运用pandas里groupby的方法在时间横截面上对数据进行缩放，如DataFrame().groupby(level=0).transform(minmax_scale)。

                        pe        pb        ps       pcf
major      symbol                                           
2017-01-08 000001.SZ  0.000598  0.025787  0.001830  0.954595
           000002.SZ  0.001048  0.066552  0.001249  0.954708
           000008.SZ  0.011953  0.129161  0.025501  0.945778
           000009.SZ  0.002386  0.145995  0.005597  0.956063
           000012.SZ  0.003150  0.087013  0.003766  0.954929

Plot
画出max_depth=3的DecisionTree的树图与重要性的图。

output_19_0.png-8kB

Performance
查看score与classification_report,输出预测值，做成Series，打印出预测为1的股票。

Accuracy of Decision Tree classifier on training set: 0.53
Accuracy of Decision Tree classifier on test set: 0.60


         precision    recall  f1-score   support
       Down       0.60      0.98      0.74      3649
         Up       0.53      0.03      0.05      2484

avg / total       0.57      0.60      0.46      6133


major       symbol   
2017-09-17  603288.SH    1.0
2017-09-24  002027.SZ    1.0
            002074.SZ    1.0
            002085.SZ    1.0
            002174.SZ    1.0
            002236.SZ    1.0
            002415.SZ    1.0
            002466.SZ    1.0
            002508.SZ    1.0
            002555.SZ    1.0
            002568.SZ    1.0
            002653.SZ    1.0
            002841.SZ    1.0
            300033.SZ    1.0
            600233.SH    1.0
            600519.SH    1.0
            603288.SH    1.0
            603833.SH    1.0
2017-10-15  000559.SZ    1.0
            002027.SZ    1.0
            002085.SZ    1.0
            002174.SZ    1.0
            002236.SZ    1.0
            002415.SZ    1.0
            002466.SZ    1.0
            002468.SZ    1.0
            002508.SZ    1.0
            002568.SZ    1.0
            002653.SZ    1.0
            002841.SZ    1.0
                        ... 
2017-12-03  002508.SZ    1.0
            002841.SZ    1.0
            300033.SZ    1.0
            600887.SH    1.0
2017-12-10  002027.SZ    1.0
            002236.SZ    1.0
            002294.SZ    1.0
            002466.SZ    1.0
            002508.SZ    1.0
            002555.SZ    1.0
            002841.SZ    1.0
            300033.SZ    1.0
            600887.SH    1.0
2017-12-17  002027.SZ    1.0
            002236.SZ    1.0
            002294.SZ    1.0
            002466.SZ    1.0
            002508.SZ    1.0
            002555.SZ    1.0
            002841.SZ    1.0
            300033.SZ    1.0
            600887.SH    1.0
2017-12-24  002027.SZ    1.0
            002236.SZ    1.0
            002294.SZ    1.0
            002466.SZ    1.0
            002508.SZ    1.0
            002841.SZ    1.0
            300033.SZ    1.0
            600887.SH    1.0
Length: 125, dtype: float64

4. 回归参数：

TimeSeriesSplit
对000001.SZ一只股票进行TimeSeriesSplit，
X_reg = df[['pe', 'pb', 'ps', 'pcf']]
y_reg = df['close_adj']
设置max_train_size=5，输出train_index。

TS_Index.png-8kB

preprocessing
对TimeSeriesSplit获得的X_train进行MinMaxScaler()，输出X_train_scaled。
TS_Scaler.png-22.7kB

CV
用RidgeCV进行优化，参数范围在0.1到0.0001之间，获取r2与alpha，输出r2与alpha的mean。

mean.png-5.9kB

4. 升维处理：

用Polynomial设置Degree=5对X_reg进行升维
参数interaction_only=True
输出升维后的结果
image.png-37.9kB

用Pipiline执行升维Polynomial设置Degree=5与Lasso(alpha=0.1)模型结合实例化运行
训练X_reg， y_reg
计算X_reg， y_reg数据pipeline模型的score

将所有答案整理到一个压缩文件中，名称为（姓名_组别）