使用python SVM/R进行股票分析，以预测未来价值。运行代码时出现问题

这只是代码的一部分。它运行，但从未完成或停止。这只是一个持续的过程。有人能看出我哪里出了问题吗

我相信这可能与数据重塑有关，然后对重塑后的数据进行svr分析，因为我已经尝试通过注释行和查看错误来手动排除故障。一切似乎都在运行，直到它到达“LINU svr”

代码使用数据集并创建两个numpy数组：“index_list”和“adj_close_prices”。指数和收盘价分别追加到这些数组中，然后代码尝试根据收盘价绘制指数。这是守则的目的

你能指出代码中的错误在哪里吗

index_list = np.array([])
adj_close_prices = np.array([])

##get the index and adjusted close prices
df_days = df.loc[:, 'index']
df_adj_close = df.loc[:, 'Adj Close']

for day in df_days:
    index_list = np.append(index_list, float(day))

for adj_close_price in df_adj_close:
    adj_close_prices = np.append(adj_close_prices, float(adj_close_price))

index_list = index_list.reshape(-1, 1)

lin_svr = SVR(kernel='linear', C=1000.0)
lin_svr.fit(index_list, adj_close_prices)

poly_svr = SVR(kernel='poly', C=1000.0, degree=2)
poly_svr.fit(index_list, adj_close_prices)

rbf_svr = SVR(kernel='rbf', C=1000.0, gamma=0.15)
rbf_svr.fit(index_list, adj_close_prices)

##plot
plt.figure(figsize=(16, 8))
plt.scatter(index_list, adj_close_prices, color='red', label='Data')
plt.plot(index_list, rbf_svr.predict(index_list), color='green', label='RBF Model')
plt.plot(index_list, poly_svr.predict(index_list), color='orange', label='Polynomial Model')
plt.plot(index_list, lin_svr.predict(index_list), color='blue', label='Linear Model')
plt.legend()
plt.show()

---

当您只发布代码的一部分，而不是全部代码时，很难知道问题是什么。请尝试下面的代码示例

from utils import *
import time
import numpy as np
import pandas as pd
from mxnet import nd, autograd, gluon
from mxnet.gluon import nn, rnn
import mxnet as mx
import datetime
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
import math
from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics import mean_squared_error
from sklearn.preprocessing import StandardScaler
import xgboost as xgb
from sklearn.metrics import accuracy_score
import warnings
warnings.filterwarnings("ignore")

context = mx.cpu(); model_ctx=mx.cpu()
mx.random.seed(1719)


def parser(x):
    return datetime.datetime.strptime(x,'%Y-%m-%d')


import yfinance as yf

# Get the data for the stock AAPL
start = '2019-06-30'
end = '2020-06-30'

data = yf.download('SBUX', start, end)


data = data.reset_index()
data

data.dtypes


# re-name field from 'Adj Close' to 'Adj_Close'
data = data.rename(columns={"Adj Close": "Adj_Close"})
data


data = data.loc[:,['Date','Adj_Close']]
       

# Plot all the close prices
# ((data.pct_change()+1).cumprod()).plot(figsize=(10, 7))


plt.figure(figsize=(14, 5), dpi=100)
plt.plot(data['Date'], data['Adj_Close'], label='Starbucks Stock Price')
plt.xlabel('Date')
plt.ylabel('USD')
plt.title('Figure 2: Starbucks Stock Price')
plt.legend()
plt.show()

这会让你找到正确的方向

您可以在这里找到更多类似的代码示例