実行例は「saka.mokumoku」の「Google Colabotry」環境に保存してある
「アップル」の株価を「回帰問題」を使って予測する
（その２）は行番号２０〜４３行までを解説する
#
# １．データの読み込み
#
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
#
%matplotlib inline
#
# ２．株価データの取得
#
!pip install pandas_datareader
#
import pandas_datareader.data as dr
#
stock = dr.DataReader('AAPL',"stooq")
print(stock.head())
#
# ３.翌日の高値のフィールドを追加
#
stock['Next_High'] = stock['High'].shift(1)
print(stock.head())
#
print(stock.isnull().sum())
#
stock = stock.dropna()
print(stock.head())
print(stock.shape)
#
# ４.検証、目的変数と説明変数に分割する
#
data_columns = ['Open','High','Low','Close','Volume']
#
test_rows = 500
#
target = stock['Next_High']
data = stock[data_columns]
#
target_train = target[test_rows:]
target_test = target[:test_rows]
data_train = data[test_rows:]
data_test = data[:test_rows]
#
print(data.shape)
print(target.shape)
print(data_train.shape)
print(target_train.shape)
print(data_test.shape)
print(target_test.shape)
#
# ５.線形回帰を使って予測する
#
from sklearn.linear_model import LinearRegression
#
model = LinearRegression()
#
model.fit(data_train,target_train)
#
target_predict = model.predict(data_test)
#
result = pd.DataFrame(target_test)
#
result['predict'] = target_predict
#
sns.lineplot(data=result)
#
sns.lineplot(data=result[:30])
以下はサンプルコードと解説
３.翌日の高値のフィールドを追加
#
stock['Next_High'] = stock['High'].shift(1)
print(stock.head()) 翌日の高値のフィールド（列）を追加する
前日に翌日の高値を予測したとするフィールドを用意する
以下のように修正される
翌日高値（Next_High）に翌日の高値（High）がセットされる
Open High Low Close Volume Next_High
Date
2024-05-01 169.580 172.705 169.1100 169.30 50383147.0 NaN
2024-04-30 173.330 174.990 170.0000 170.33 65934776.0 172.705
2024-04-29 173.370 176.030 173.1000 173.50 68169419.0 174.990
2024-04-26 169.880 171.340 169.1800 169.30 44838354.0 176.030
2024-04-25 169.525 170.610 168.1511 169.89 50558329.0 171.340#
print(stock.isnull().sum()) 欠損値を確認するために中身を出力する
以下のように表示される
Open 0
High 0
Low 0
Close 0
Volume 0
Next_High 1
dtype: int64”符号あり64ビット整数型”のフィールドで”Next_High”に１個だけ欠損値がある
#
stock = stock.dropna()
print(stock.head()) 欠損値のデータを削除し、整形する
以下のように表示される、日付が１日ずれた形になる
Open High Low Close Volume Next_High
Date
2024-04-30 173.330 174.99 170.0000 170.33 65934776.0 172.705
2024-04-29 173.370 176.03 173.1000 173.50 68169419.0 174.990
2024-04-26 169.880 171.34 169.1800 169.30 44838354.0 176.030
2024-04-25 169.525 170.61 168.1511 169.89 50558329.0 171.340
2024-04-24 166.540 169.30 166.2100 169.02 48251835.0 170.610#
print(stock.shape) 全体の構造を確認する
以下のように表示される、1256件で6列のデータ
(1256, 6)４．検証、目的変数と説明変数に分割する
#
data_columns = ['Open','High','Low','Close','Volume']
#
test_rows = 500
#
target = stock['Next_High']
data = stock[data_columns]
#
target_train = target[test_rows:]
target_test = target[:test_rows]
data_train = data[test_rows:]
data_test = data[:test_rows] 学習データと検証データとに分ける
目的変数（target）・・・結果
翌日高値のデータ1256件、１列
説明変数（data）・・・原因
前日までのデータ1256件、５列
目的変数（target）
target_train・・・501件目〜1256件目、１列
target_test・・・先頭〜500件目、１列
説明変数（data）
data_train・・・501件目〜1256件目、５列
data_test ・・・先頭〜500件目、５列
#
print(data.shape)
print(target.shape)
print(data_train.shape)
print(target_train.shape)
print(data_test.shape)
print(target_test.shape)分割後のデータ構成を確認する
(1256, 5)
(1256,)
(756, 5)
(756,)
(500, 5)
(500,)５．線形回帰を使って予測する
#
from sklearn.linear_model import LinearRegression
#
model = LinearRegression()
#
model.fit(data_train,target_train) 線形回帰を使って機械学習を行う
ライブラリ「scikit-learn」を呼び出す
機械学習を行う
data_train（説明変数、学習用）と
target_train（目的変数、学習用）を使う
#
target_predict = model.predict(data_test)学習したら検証データを使って株価を予測する
#
result = pd.DataFrame(target_test)
#
result['predict'] = target_predict 検証データの目的変数でデータフレーム作成
予測結果をとしてデータフレームに追加する
#
sns.lineplot(data=result)
#
sns.lineplot(data=result[:30]) グラフで可視化する
通常のグラフと拡大版（３０日分）を表示する
６．総括
全体的にpredict（予測値）はNext-High（翌日高値）の後追いとなる
前日の株価で翌日の株価を予測しているので、これで正解
説明変数の選択の結果によって、目的変数は左右されるという
当たり前の結果となる