透過機器學習預測股市漲跌-模型建模(附 Python 程式碼)

Published in

Marketingdatascience

6 min readJul 19, 2022

本文精華：

模型建置流程
提升模型的效能
從準確率角度理解模型的好壞

在完成上述之資料處理後，便可以開始建立機器學習模型，而本篇將運用到Logistic Regression、 Random Forest、 Naive Bayes 這三個模型來進行道瓊工業指數的漲跌預測，並且調整模型的超參數(Hyperparameter)，其用意在於找到一組超參數以提升模型的效能。

……點擊觀看全文

Image by Sergei Tokmakov Terms.Law from Pixabay

此為系列文第三篇
點此回顧＿第一篇：掌握投資關鍵消息！從當日熱門新聞預測股票走勢（基本資料處理篇）（附Python程式碼）
點此回顧＿第二篇：透過機器學習預測股市漲跌-進階資料處理

作者：蔡尚宏（臺灣行銷研究特邀作者）、劉睿哲（臺灣行銷研究特邀作者）、鄭晴文（臺灣行銷研究特邀作者）、鍾皓軒(臺灣行銷研究有限公司創辦人）

參考資料

[資料分析&機器學習] 第3.3講：線性分類-邏輯斯回歸(Logistic Regression) 介紹
 通俗地說邏輯回歸【Logistic regression】算法（二）Learning Model
Random Forest
Python機器學習實踐：隨機森林算法訓練及調參
 樸素貝葉斯分類器的應用 Naive Bayes classifier
機器學習演算法（二）: 樸素貝葉斯(Naive Bayes)
scikit learn 官方文件：
Logistic Regression、 Random Forest 、 Naive Bayes、RandomizedSearchCV、GridSearchCV

◆◆◆ TMR最強新書與新課報到◆◆◆

📣線上課程快報！

【 Python購物籃分析：多商品推薦與利潤策略】新課募資上架，千萬別錯過！

預購價格：NT$ 1,988 ( 原價 NT$ 2,388 )

募資期間：7/7 (四) 中午 12:00 至 8/5 (五) 晚上 12:00

上完這堂課後，您可以學到什麼？

將熱賣商品按照利潤大小排序形成推薦名單，得到最大獲利
透過機器學習分析找出商品搭配，利用AI自動化的方式快速進行配對
使用Apriori演算法找出商品搭售組合
以購物籃分析角度重新定義搭售組合
結合財務指標建立產品組合推薦名單
透過視覺化結合財務面分析讓人一目了然

💡 點此連結，購課詳情輕鬆看

📣最新書籍上架！

《實戰Excel行銷分析｜不寫程式也能分析大數據》

優惠價：7.9 折 $356（原價：$450）

本書透過行銷實例，對數據分析的概念、分析規劃、分析工具與視覺呈現，進行深入的介紹。

👉藉由本書，您將可以學到：
．如何進行分析前的資料清理
．80/20法則在商業領域的應用
．如何藉由數據分析找出潛力產品
．如何分析不同客群的購買行為與樣貌描繪
．如何針對不同的客群進行精準行銷
．如何針對目標客群找出最佳的行銷活動

💡《實戰Excel行銷分析｜不寫程式也能分析大數據》書籍點此前往預購

💡相關數位課程連結：不寫程式的數據分析：Excel商業分析實戰

【其他行銷資料科學書籍 79折優惠中】

◆《行銷資料科學｜大數據x市場分析x人工智慧》 優惠價：411元（原價：520元）

◆《STP行銷策略之Python商業應用實戰|網路爬蟲x機器學習x數據分析》 優惠價：411 元（原價：520元）

◆《最強行銷武器 — 整合行銷研究與資料科學》 優惠價：458 元（原價：580元）

📣線上課程快報！

【Excel Power BI 實戰商品搭售分析與視覺化】

課程售價：$2,888

◆購物籃分析資料前處理：利用 Power Query 進行資料前處理，將資料轉換成購物籃分析格式，以利後續找出潛在顧客購物籃中的熱門產品。
◆產品搭售方法解析：運用 Power Pivot(Excel Power BI) 及 Power View(Power BI)，從銷售資料中找出可能的產品搭售。
◆財務指標分析：運用 Power Pivot(Excel Power BI) 及 Power View(Power BI)，從財務價值觀點，找到具獲利效益的產品搭售及產品搭售的建議售價。
◆應用於自我商城經營：把購物籃分析結果應用於電商平台中，帶領您優化自我商城經營，達到提升營業額的目標。

💡 點此連結，購課詳情輕鬆看