Python 2.7 股票价格的错误预测

我用Python编写了一段代码，分析了谷歌金融公司过去1年苹果的历史数据。下面是数据集的链接。我正在使用的代码如下所示：

import csv
import numpy as np
from sklearn.svm import SVR
import matplotlib.pyplot as plt
import time

t=time.time()

dates=[]
prices=[]
f1=open('rbf.txt','wb')
f2=open('lin.txt','wb')
f3=open('poly.txt','wb')
def get_data(fname):
    with open(fname,'rb') as csvfile:
        csvFileReader=csv.reader(csvfile)
        next(csvFileReader)
        for row in csvFileReader:
            l=row[0].split()
            s=l[1].strip(',')
            dates.append(int(s))
            prices.append(float(row[1]))
    return

def predict_prices(dates,prices,x):
    dates=np.reshape(dates,(len(dates),1))

    svr_lin=SVR(kernel='linear', C=1e3)
    svr_poly=SVR(kernel='poly', C=1e3, degree=2)
    svr_rbf=SVR(kernel='rbf',C=1e3,gamma=0.1)
    svr_lin.fit(dates,prices)
    svr_poly.fit(dates,prices)
    svr_rbf.fit(dates,prices)

    f1.write(svr_rbf.predict(dates))
    print type(svr_rbf.predict(dates))
    print type(svr_rbf.predict(dates)[0])
    print type(svr_rbf.predict(dates)[0])
    f2.write(svr_lin.predict(dates))
    f3.write(svr_poly.predict(dates))
    '''
    plt.scatter(dates,prices,color='black',label='Data')
    plt.plot(dates,svr_rbf.predict(dates),color='red',label='RBF model')
    plt.plot(dates,svr_lin.predict(dates),color='green',label='Linear model')
    plt.plot(dates,svr_poly.predict(dates),color='blue',label='Polynomial model')
    plt.xlabel('Dates')
    plt.ylabel('Prices')
    plt.title('Support Vector Regression')
    plt.legend()
    plt.show()
    '''
    return svr_rbf.predict(x)[0],svr_lin.predict(x)[0],svr_poly.predict(x)[0]

get_data('aapl.csv')
predicted_price=predict_prices(dates,prices,6)
f1.close()
f2.close()
f3.close()
print predicted_price
print time.time()-t

---

我需要解释系统返回的最终预测值。我作为输出得到的值，是我调用预测函数时作为硬编码参数传递的日期的股票价格，还是其他什么？如果是，我得到的输出是由35点。当前数据集的顺序与此相反，即最新优先。如果我先让它变老，它会给我正确的预测吗？这个类比的原因是，它的预测结果是大约109，这是1年前的股票价格，也是文件最后一行的股票价值，有1年前的数据。我该如何着手纠正它？请给我指一下正确的方向。提前谢谢。我得到的结果是：

日期的数据类型是什么？@VivekKumar日期和价格都是数据类型列表。顺便说一句，我尝试反转列表，然后在predict_prices函数中使用它。它仍然给出了同样的预测。前一天的开盘价为138.8，但今天的预测为109.29。这个错误是由于小数据集还是其他原因造成的？这取决于。您可以这样做，也可以进行一次热编码。尝试不同的方法，看看哪种方法效果好。你所说的训练参数可以是一系列不同的特性。请参阅示例文档如何使用编号。只需将它们组合成一个向量X（带有形状[n_样本，n_特征]），price应该是您的y（目标），然后将X，y（只有两个参数）传递到函数中