推荐 :基于新闻标题的股价走势分析(附链接)
作者: Ronil Patil 翻译:王闯 (Chuck)。校对:詹好
“不要在草堆里找一根藏针,而是要买下整个草堆!”
数据集介绍
标签为1–股价上涨。
标签为0–股价持平或下跌。
开始
首先引入相关库
import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report,confusion_matrix,accuracy_score
读取数据集
df = pd.read_csv('F:Stock-Sentiment-Analysis-master/Stock News Dataset.csv', encoding = "ISO-8859-1")
将数据集划分为训练集和测试集
train = df[df['Date'] < '20150101']
test = df[df['Date'] > '20141231']
特征工程
# Removing special characters
data=train.iloc[:,2:27]
data.replace("[^a-zA-Z]"," ",regex=True, inplace=True)
# Renaming column names for better understanding and ease of access
list1= [i for i in range(25)]
new_Index=[str(i) for i in list1]
data.columns= new_Index
data.head(5)
# Convertng headlines to lower case
for index in new_Index:
data[index] = data[index].str.lower()
data.head(1)
根据索引来合并所有新闻标题:
headlines = []
for row in range(0,len(data.index)):
headlines.append(' '.join(str(x) for x in data.iloc[row,0:25]))
应用CountVectorizer和RandomForestClassifier方法
## implement BAG OF WORDS
countvector=CountVectorizer(ngram_range=(2,2))
traindataset=countvector.fit_transform(headlines)## implement RandomForest Classifier
randomclassifier=RandomForestClassifier(n_estimators=200,criterion='entropy')
randomclassifier.fit(traindataset,train['Label'])
在测试集上进行预测
## Predict for the Test Dataset
test_transform= []
for row in range(0,len(test.index)):
test_transform.append(' '.join(str(x) for x in test.iloc[row,2:27]))
test_dataset = countvector.transform(test_transform)
predictions = randomclassifier.predict(test_dataset)
最后,检查准确性
matrix = confusion_matrix(test['Label'],predictions)
print(matrix)
score = accuracy_score(test['Label'],predictions)
print(score)
report = classification_report(test['Label'],predictions)
print(report)
关于作者
Ronil Patil
https://www.linkedin.com/in/ronil08/
原文标题:
Stock Price Movement Based On News Headline
原文链接:
https://www.analyticsvidhya.com/blog/2021/05/stock-price-movement-based-on-news-headline
译者简介:王闯(Chuck),台湾清华大学资讯工程硕士。曾任奥浦诺管理咨询公司数据分析主管,现任尼尔森市场研究公司数据科学经理。很荣幸有机会通过数据派THU微信公众平台和各位老师、同学以及同行前辈们交流学习。
版权声明:本号内容部分来自互联网,转载请注明原文链接和作者,如有侵权或出处有误请和我们联系。
合作请加QQ:365242293
数据分析(ID : ecshujufenxi )互联网科技与数据圈自己的微信,也是WeMedia自媒体联盟成员之一,WeMedia联盟覆盖5000万人群。
关注公众号:拾黑(shiheibook)了解更多
[广告]赞助链接:
四季很好,只要有你,文娱排行榜:https://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/
关注网络尖刀微信公众号
随时掌握互联网精彩
随时掌握互联网精彩
赞助链接
排名
热点
搜索指数
- 1 澳门是伟大祖国的一方宝地 7945972
- 2 80岁顶级富豪再婚娶33岁华裔妻子 7950775
- 3 星巴克大罢工 7859496
- 4 2024 向上的中国 7724041
- 5 赵丽颖带儿子探班 7643831
- 6 男子钓上一条自带“赎金”的鱼 7549184
- 7 美国女子在地铁上被男子点燃身亡 7410485
- 8 柳岩谈44岁女演员的尴尬 7306380
- 9 不少孩子当代练挣钱玩游戏 7267615
- 10 武警江西省总队原总队长施文求逝世 7148496