量化交易吧 / 数理科学帖子：3364691 新帖：12

样本均衡对逻辑回归、决策树、SVM的影响

牛市来了发表于：6 月 10 日 12：00回复(1)

本文是对李伟豪先生的《高送转预测逻辑回归与支持向量机》一个补充，主要讨论样本均衡对逻辑回归、决策树、SVM的影响。高送转的业务不是本文重点。

样本不平衡问题，顾名思义，即数据集中存在某一类样本，其数量远多于或远少于其他类样本，从而导致一些机器学习模型失效的问题。例如本文所讨论的高送转问题，因为绝大多数样本都为非高送转样本，高送转样本很少，算法会倾向于把大多数样本判定为正常样本，这样能达到很高的准确率，但是达不到很高的召回率。为了改善这个问题，本文使用了样本均衡方法，并实证了其对逻辑回归、决策树、SVM三类算法的影响。

1.数据准备

本文沿用李伟豪先生提供的数据（Div_data.csv）。

2.模型预测

2.1 训练集及测试集数据做成

通过train_test_split方法，生成样本均衡前的原始训练集及测试集。

2.2 样本均衡处理

上采样(过采样)和下采样(负采样）策略是解决样本不平衡问题的基本方法之一。上采样即增加少数类样本的数量，下采样即减少多数类样本以获取相对平衡的数据集。本文采用上采样中的SMOTE算法。样本均衡处理前后的数据，参考表1所示。训练集及测试集在样本均衡处理前后的数据参考表2所示。

表1.样本均衡处理前后

表2.训练集及测试集样本均衡处理前后

2.3 样本均衡前后的精度比较

样本均衡前后的精度比较参考表3所示。

表3.样本均衡前后的精度比较

由表3可知，在样本均衡处理后，各个算法的精度普遍下降。

2.4 样本均衡前后的准确率、召回率、f1-score比较

样本均衡前后的准确率、召回率及f1-score的比较参考表4所示。

由表4可知，样本均衡前后，0（非高送转）的准确率、召回率及f1-score都有下降，而1（高送转）的准确率、召回率及f1-score都有显著上升。

2.5 样本均衡前后的准确率-召回率曲线比较

逻辑回归、决策树、SVM的准确率-召回率曲线可参考图1、2、3、4、5、6所示。
图1.逻辑回归准确率-召回率曲线（样本均衡前）

图2.逻辑回归准确率-召回率曲线（样本均衡后

图3.决策树准确率-召回率曲线（样本均衡前）

图4.决策树准确率-召回率曲线（样本均衡后）

图5.SVM准确率-召回率曲线（样本均衡前）

图6.SVM准确率-召回率曲线（样本均衡后）

从上述图可知，样本均衡后，准确率-召回率曲线呈现向右上角弯曲的迹象，表明分类器得到了改善。

2.6 样本均衡前后的ROC曲线及AUC比较

逻辑回归、决策树、SVM的准确率-召回率曲线可参考图7、8、9、10、11、12所示。
图7.逻辑回归ROC曲线（样本均衡前）

图8.逻辑回归ROC曲线（样本均衡后）

图9.决策树ROC曲线（样本均衡前）

图10.决策树ROC曲线（样本均衡后）

图11.SVM ROC曲线（样本均衡前）

图12.SVM ROC曲线（样本均衡后）

从上述图可知，样本均衡后，ROC曲线更靠近左上角，AUC值也更高了。

3. 结论

1.样本均衡处理会降低算法的精度。
2.样本均衡后是对于数量较多的那一类，譬如上述的0（非高送转）的准确率会降低，但可以提高数量较少的那一类，譬如上述的1（高送转）的准确率。对于实际业务来说，这是有意义，的因为我们更关心1（高送转）的准确率。
3.样本均衡处理总体上来说可以改进算法的预测能力，这一点从f1-score、准确率-召回率曲线、ROC曲线及AUC值可以看出。

以下是代码部分：
注：由于下述代码用到的一些不常见的库，譬如SMOTE（from imblearn.over_sampling import SMOTE），需要在JointQuant终端上*所需库后，方能顺利运行代码。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport datetimeimport matplotlib.pyplot as pltfrom sklearn.svm import SVCfrom sklearn.model_selection import StratifiedKFoldfrom sklearn.feature_selection import RFECVfrom sklearn import preprocessingfrom imblearn.over_sampling import SMOTE  # 过抽样处理库SMOTEfrom collections import Counter

-ModuleNotFoundError                       Traceback (most recent call last)<ipython-input-1-9dd925d80b54> in <module>      9 from sklearn.feature_selection import RFECV     10 from sklearn import preprocessing-> 11 from imblearn.over_sampling import SMOTE  # 过抽样处理库SMOTE     12 from collections import CounterModuleNotFoundError: No module named 'imblearn'

1.数据获取及预处理¶

1.1 分红数据获取¶

### 获取年末分红数据 ###div_data = pd.read_csv(r'Div_data.csv',index_col=0)##只留年报数据div_data['type'] = div_data['endDate'].map(lambda x:x[-5:])div_data['year'] = div_data['endDate'].map(lambda x:x[0:4])div_data_year = div_data[div_data['type'] == '12-31']div_data_year = div_data_year[['secID','year','publishDate', 'recordDate','perShareDivRatio',   'perShareTransRatio']]div_data_year.columns = ['stock','year','pub_date','execu_date','sg_ratio','zg_ratio']div_data_year.fillna(0,inplace = True)### 获取高送转数据 ####定义送转列：10送X+10转X合计div_data_year['sz_ratio'] = div_data_year['sg_ratio']+div_data_year['zg_ratio']# 定义是否高送转列（初始值为0）div_data_year['gsz'] = 0#高送转定义：10送X+10转X大于等于10，即定义为高送转div_data_year.loc[div_data_year['sz_ratio'] >=1,'gsz'] = 1#删除不需要列del div_data_year['sz_ratio'] del div_data_year['sg_ratio'] del div_data_year['zg_ratio']

div_data_year.describe()

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	gsz
count	18045.000000
mean	0.098421
std	0.297891
min	0.000000
25%	0.000000
50%	0.000000
75%	0.000000
max	1.000000

1.2 财务数据获取¶

###将一些指标转变为每股数值def get_perstock_indicator(need_indicator,old_name,new_name,sdate):target = get_fundamentals(query(valuation.code,  valuation.capitalization,  need_indicator),statDate = sdate)target[new_name] = target[old_name]/target['capitalization']/10000return target[['code',new_name]]

###获取每股收益、股本数量、营业收入同比增长、净利润同比增长def get_other_indicator(sdate):target = get_fundamentals(query(valuation.code,  valuation.capitalization,  indicator.inc_revenue_year_on_year,  indicator.inc_net_profit_year_on_year,  indicator.eps),statDate = sdate)# 营业收入同比增长target.rename(columns={'inc_revenue_year_on_year':'revenue_growth'},inplace = True)# 净利润同比增长target.rename(columns={'inc_net_profit_year_on_year':'profit_growth'},inplace = True)      # 股本数量target['capitalization'] = target['capitalization']*10000return target[['code','capitalization','eps','revenue_growth','profit_growth']]

###获取一个月收盘价平均值def get_bmonth_aprice(code_list,startdate,enddate):mid_data = get_price(code_list, start_date=startdate, end_date=enddate,\              frequency='daily', fields='close', skip_paused=False, fq='pre')mean_price = pd.DataFrame(mid_data['close'].mean(axis = 0),columns=['mean_price'])mean_price['code'] =mean_price.indexmean_price.reset_index(drop = True,inplace =True)return mean_price[['code','mean_price']]

###判断是否为次新股（判断标准为位于上市一年之内）                          def judge_cxstock(date):mid_data = get_all_securities(types=['stock'])mid_data['start_date'] = mid_data['start_date'].map(lambda x:x.strftime("%Y-%m-%d"))shift_date = str(int(date[0:4])-1)+date[4:]mid_data['1year_shift_date'] = shift_datemid_data['cx_stock'] = 0mid_data.loc[mid_data['1year_shift_date']<=mid_data['start_date'],'cx_stock'] = 1mid_data['code'] = mid_data.indexmid_data.reset_index(drop = True,inplace=True)return mid_data[['code','cx_stock']]

###判断上市了多少个自然日from datetime import datedef get_dayslisted(year,month,day):mid_data = get_all_securities(types=['stock'])sdate = date(year,month,day)mid_data['days_listed'] = mid_data['start_date'].map(lambda x:(sdate -x).days)mid_data['code'] = mid_data.indexmid_data.reset_index(drop = True,inplace=True)return mid_data[['code','days_listed']]

"""输入：所需财务报表期、20日平均股价开始日期、20日平均股价结束日期输出：合并好的高送转数据 以及 财务指标数据"""def get_yearly_totaldata(statDate,statDate_before,mp_startdate,mp_enddate,year,month,day):##有能力高送转，基础指标包括：每股资本公积，每股留存收益##每股资本公积per_zbgj = get_perstock_indicator(balance.capital_reserve_fund,'capital_reserve_fund','per_CapitalReserveFund',statDate)#每股留存收益per_wflr = get_perstock_indicator(balance.retained_profit,'retained_profit','per_RetainProfit',statDate)##有能力高送转，其他指标包括：每股净资产、每股收益、营业收入同比增速、净利润同比增速##每股净资产per_jzc = get_perstock_indicator(balance.equities_parent_company_owners,'equities_parent_company_owners','per_TotalOwnerEquity',statDate) #每股收益、股本、营业收入同比增长、净利润同比增速other_indicator = get_other_indicator(statDate)code_list = other_indicator['code'].tolist()##有意愿高送转，指标包括均价、上市时间、股本增加#均价mean_price = get_bmonth_aprice(code_list,mp_startdate,mp_enddate)#是否为次新股cx_signal = judge_cxstock(mp_enddate)#股本增加#dz_signal = judge_dz(statDate,statDate_before)#上市时间days_listed = get_dayslisted(year,month,day)##因子列表：#每股资本公积#每股留存收益#每股净资产#每股收益、股本#均价#是否为次新股#上市时间chart_list = [per_zbgj,per_wflr,per_jzc,other_indicator,mean_price,cx_signal,days_listed]for chart in chart_list:chart.set_index('code',inplace = True)independ_vari = pd.concat([per_zbgj,per_wflr,per_jzc,other_indicator,mean_price,cx_signal,days_listed],axis = 1)independ_vari['year'] = str(int(statDate[0:4]))independ_vari['stock'] = independ_vari.indexindepend_vari.reset_index(drop=True,inplace =True)total_data = pd.merge(div_data_year,independ_vari,on = ['stock','year'],how = 'inner')# 每股资本公积 + 每股留存收益total_data['per_zbgj_wflr'] = total_data['per_CapitalReserveFund']+total_data['per_RetainProfit']return total_data

gsz_2016 = get_yearly_totaldata('2016q3','2015q3','2016-10-01','2016-11-01',2016,11,1)gsz_2015 = get_yearly_totaldata('2015q3','2014q3','2015-10-01','2015-11-01',2015,11,1)gsz_2014 = get_yearly_totaldata('2014q3','2013q3','2014-10-01','2014-11-01',2014,11,1)gsz_2013 = get_yearly_totaldata('2013q3','2012q3','2013-10-01','2013-11-01',2013,11,1)gsz_2012 = get_yearly_totaldata('2012q3','2011q3','2012-10-01','2012-11-01',2012,11,1)gsz_2011 = get_yearly_totaldata('2011q3','2010q3','2011-10-01','2011-11-01',2011,11,1)

/opt/conda/lib/python3.6/site-packages/jqresearch/api.py:108: FutureWarning:
Panel is deprecated and will be removed in a future version.
The recommended way to represent these types of 3-dimensional data are with a MultiIndex on a DataFrame, via the Panel.to_frame() method
Alternatively, you can use the xarray package http://xarray.pydata.org/en/stable/.
Pandas provides a `.to_xarray()` method to help automate this conversion.

pre_factor_ref_date=_get_today())
/opt/conda/lib/python3.6/site-packages/ipykernel_launcher.py:46: FutureWarning: Sorting because non-concatenation axis is not aligned. A future version
of pandas will change to not sort by default.

To accept the future beh*ior, pass 'sort=False'.

To retain the current beh*ior and silence the warning, pass 'sort=True'.

To accept the future beh*ior, pass 'sort=False'.

To retain the current beh*ior and silence the warning, pass 'sort=True'.

To accept the future beh*ior, pass 'sort=False'.

To retain the current beh*ior and silence the warning, pass 'sort=True'.

To accept the future beh*ior, pass 'sort=False'.

To retain the current beh*ior and silence the warning, pass 'sort=True'.

To accept the future beh*ior, pass 'sort=False'.

To retain the current beh*ior and silence the warning, pass 'sort=True'.

To accept the future beh*ior, pass 'sort=False'.

To retain the current beh*ior and silence the warning, pass 'sort=True'.

2.模型预测¶

2.1 训练集及验证集数据做成¶

from sklearn.model_selection import train_test_splitgszData = pd.concat([gsz_2011,gsz_2012,gsz_2013,gsz_2014,gsz_2015,gsz_2016],axis = 0)gszData.dropna(inplace = True)variable_list = ['per_zbgj_wflr','capitalization', 'eps', 'revenue_growth','profit_growth','mean_price', 'days_listed']X = gszData.loc[:,variable_list]y = gszData.loc[:,'gsz']

# 查看数据分布print(Counter(y))

Counter({0: 9958, 1: 1257})

# 基于样本均衡前的数据进行训练集和测试集划分X_train,X_test,y_train,y_test = train_test_split(X,y,random_state=19)

# 查看数据分布print(Counter(y_train))

Counter({0: 7477, 1: 934})

# 查看数据分布print(Counter(y_test))

Counter({0: 2481, 1: 323})

3.2 样本均衡¶

# 样本均衡方法def sample_balance(X, y):'''    使用SMOTE方法对不均衡样本做过抽样处理    :param X: 输入特征变量X    :param y: 目标变量y    :return: 均衡后的X和y    '''model_smote = SMOTE()  # 建立SMOTE模型对象x_smote_resampled, y_smote_resampled = model_smote.fit_sample(X, y)  # 输入数据并作过抽样处理return x_smote_resampled, y_smote_resampled

X_resampled,y_resampled = sample_balance(X, y)

# 查看数据分布print(Counter(y_resampled))

Counter({0: 9958, 1: 9958})

# 基于样本均衡后的数据进行训练集和测试集划分X_train,X_test,y_train,y_test = train_test_split(X_resampled,y_resampled,random_state=19)

# 查看数据分布print(Counter(y_train))

Counter({0: 7483, 1: 7454})

# 查看数据分布print(Counter(y_test))

Counter({1: 2504, 0: 2475})

3.3 基于逻辑回归算法预测¶

from sklearn.linear_model import LogisticRegressionmodel = LogisticRegression(class_weight='balanced',C=1e9)model.fit(X_train, y_train)print("Trainning set score:{:.3f}".format(model.score(X_train,y_train)))print("     Test set score:{:.3f}".format(model.score(X_test,y_test)))

Trainning set score:0.501
     Test set score:0.497

D:\JoinQuant-Desktop-Py3\Python\lib\site-packages\sklearn\linear_model\logistic.py:433: FutureWarning: Default solver will be changed to 'lbfgs' in 0.22. Specify a solver to silence this warning.
  FutureWarning)

y_pred = model.predict(X_test)

y_pred_threshold = model.predict_proba(X_test)[:,1]

3.3 基于SVM算法预测¶

#均值方差标准化standard_scaler = preprocessing.StandardScaler()X_trainScale = standard_scaler.fit_transform(X_train)X_testScale = standard_scaler.transform(X_test) clf = SVC(C=1.0,class_weight='balanced',gamma='auto',kernel='rbf',probability=True)clf.fit(X_trainScale, y_train) print("Trainning set score:{:.3f}".format(clf.score(X_trainScale,y_train)))print("     Test set score:{:.3f}".format(clf.score(X_testScale,y_test)))

D:\JoinQuant-Desktop-Py3\Python\lib\site-packages\sklearn\preprocessing\data.py:645: DataConversionWarning: Data with input dtype int64, float64 were all converted to float64 by StandardScaler.
  return self.partial_fit(X, y)
D:\JoinQuant-Desktop-Py3\Python\lib\site-packages\sklearn\base.py:464: DataConversionWarning: Data with input dtype int64, float64 were all converted to float64 by StandardScaler.
  return self.fit(X, **fit_params).transform(X)
D:\JoinQuant-Desktop-Py3\Python\lib\site-packages\ipykernel_launcher.py:4: DataConversionWarning: Data with input dtype int64, float64 were all converted to float64 by StandardScaler.
  after removing the cwd from sys.path.

Trainning set score:0.680
     Test set score:0.692

y_pred=clf.predict(X_testScale)

y_pred_threshold = clf.decision_function(X_testScale)

y_pred_changed_threshold = (y_pred_threshold > 0.3)

3.4 基于决策树算法预测¶

from sklearn.tree import DecisionTreeClassifiertree = DecisionTreeClassifier(random_state=0)tree.fit(X_train,y_train)print("Trainning set score:{:.3f}".format(tree.score(X_train,y_train)))print("     Test set score:{:.3f}".format(tree.score(X_test,y_test)))

Trainning set score:1.000
     Test set score:0.789

y_pred = tree.predict(X_test)

y_pred_threshold = tree.predict_proba(X_test)[:,1]

from sklearn.tree import export_graphvizimport graphvizdot_data = export_graphviz(tree,out_file=None,class_names=["GSZ ","NOT GSZ"],feature_names=X_train.columns,  impurity=False,filled=True)graph = graphviz.Source(dot_data)

4.预测评价¶

4.1 混淆矩阵¶

from sklearn.metrics import confusion_matrixconfusion = confusion_matrix(y_test,y_pred)print("Confusion matrix:\n{}".format(confusion))

Confusion matrix:
[[70  2]
 [ 0  0]]

4.2 准确率、召回率及f1-score统计¶

from sklearn.metrics import classification_reportprint(classification_report(y_test,y_pred))

              precision    recall  f1-score   support

           0       0.96      0.68      0.80      2481
           1       0.24      0.78      0.37       323

   micro *g       0.69      0.69      0.69      2804
   macro *g       0.60      0.73      0.58      2804
weighted *g       0.88      0.69      0.75      2804

4.3 准确率-召回率曲线¶

from sklearn.metrics import precision_recall_curveprecision,recall,thresholds = precision_recall_curve(y_test,y_pred_threshold)plt.plot(precision,recall,label="precison recall curve")plt.xlabel("Precision")plt.ylabel("Recall")close_zero = np.argmin(np.abs(thresholds))plt.plot(precision[close_zero],recall[close_zero],'o',markersize=10,label="threshold zero",fillstyle="none",c='k',mew=2)

[<matplotlib.lines.Line2D at 0x19e*782fd0>]

4.4 ROC曲线和AUC¶

from sklearn.metrics import roc_auc_scorefrom sklearn.metrics import roc_curvefpr,tpr,thresholds = roc_curve(y_test,y_pred_threshold)plt.plot(fpr,tpr,label="ROC Curve")plt.xlabel("FPR")plt.ylabel("TPR(recall)")close_zero = np.argmin(np.abs(thresholds))plt.plot(fpr[close_zero],tpr[close_zero],'o',markersize=10,label="threshold zero",fillstyle="none",c='k',mew=2)auc = roc_auc_score(y_test,y_pred_threshold)print("AUC is :{:.3f}".format(auc))

AUC is :0.789

5.2017年预测¶

###取出2017年数据statDate = '2017q3'mp_startdate = '2017-10-01' mp_enddate = '2017-11-01'year = 2017month = 11 day = 1per_zbgj = get_perstock_indicator(balance.capital_reserve_fund,'capital_reserve_fund','per_CapitalReserveFund',statDate)per_wflr = get_perstock_indicator(balance.retained_profit,'retained_profit','per_RetainedProfit',statDate)per_jzc = get_perstock_indicator(balance.total_owner_equities,'total_owner_equities','per_TotalOwnerEquity',statDate)other_indicator = get_other_indicator(statDate)code_list = other_indicator['code'].tolist()mean_price = get_bmonth_aprice(code_list,mp_startdate,mp_enddate)cx_signal = judge_cxstock(mp_enddate)days_listed = get_dayslisted(year,month,day)chart_list = [per_zbgj,per_wflr,per_jzc,other_indicator,mean_price,cx_signal,days_listed]for chart in chart_list:chart.set_index('code',inplace = True)independ_vari = pd.concat([per_zbgj,per_wflr,per_jzc,other_indicator,mean_price,cx_signal,days_listed],axis = 1)independ_vari['year'] = str(int(statDate[0:4]))independ_vari['stock'] = independ_vari.indexindepend_vari.reset_index(drop=True,inplace =True)independ_vari['per_zbgj_wflr'] = independ_vari['per_CapitalReserveFund']+independ_vari['per_RetainedProfit']gsz_2017 = independ_varigsz_2017.loc[gsz_2017['revenue_growth']>300,'revenue_growth'] = 300testdata = gsz_2017testdata.dropna(inplace = True)###利用决策树做预测X_2017 = testdata[variable_list]y_2017 = tree.predict(X_2017)y_2017_proba = tree.predict_proba(X_2017)

D:\JoinQuant-Desktop-Py3\Python\lib\site-packages\ipykernel_launcher.py:7: SADeprecationWarning: Compiled objects now compile within the constructor.
import sys
D:\JoinQuant-Desktop-Py3\Python\lib\site-packages\ipykernel_launcher.py:7: SADeprecationWarning: Compiled objects now compile within the constructor.
import sys
D:\JoinQuant-Desktop-Py3\Python\lib\site-packages\ipykernel_launcher.py:7: SADeprecationWarning: Compiled objects now compile within the constructor.
import sys
D:\JoinQuant-Desktop-Py3\Python\lib\site-packages\ipykernel_launcher.py:9: SADeprecationWarning: Compiled objects now compile within the constructor.
if __name__ == '__main__':
D:\JoinQuant-Desktop-Py3\Python\lib\site-packages\ipykernel_launcher.py:14: FutureWarning:
Panel is deprecated and will be removed in a future version.
The recommended way to represent these types of 3-dimensional data are with a MultiIndex on a DataFrame, via the Panel.to_frame() method
Alternatively, you can use the xarray package http://xarray.pydata.org/en/stable/.
Pandas provides a `.to_xarray()` method to help automate this conversion.

D:\JoinQuant-Desktop-Py3\Python\lib\site-packages\ipykernel_launcher.py:22: FutureWarning: Sorting because non-concatenation axis is not aligned. A future version
of pandas will change to not sort by default.

To accept the future beh*ior, pass 'sort=False'.

To retain the current beh*ior and silence the warning, pass 'sort=True'.

total_tree = testdata[['stock']].copy()total_tree['predict_prob'] = y_2017_proba[:,1]

#选取前50（最有可能性）股票total_tree.sort_values(by='predict_prob',inplace = True,ascending = False)total_tree.reset_index(drop=True,inplace = True)total_tree[:50]

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	stock	predict_prob
0	600039.XSHG	1.0
1	002073.XSHE	1.0
2	002061.XSHE	1.0
3	002798.XSHE	1.0
4	300230.XSHE	1.0
5	300229.XSHE	1.0
6	600382.XSHG	1.0
7	002067.XSHE	1.0
8	002068.XSHE	1.0
9	300227.XSHE	1.0
10	002802.XSHE	1.0
11	002805.XSHE	1.0
12	600121.XSHG	1.0
13	601360.XSHG	1.0
14	601339.XSHG	1.0
15	002080.XSHE	1.0
16	002081.XSHE	1.0
17	600120.XSHG	1.0
18	601318.XSHG	1.0
19	601313.XSHG	1.0
20	601311.XSHG	1.0
21	300218.XSHE	1.0
22	600622.XSHG	1.0
23	600107.XSHG	1.0
24	002057.XSHE	1.0
25	002537.XSHE	1.0
26	600609.XSHG	1.0
27	600392.XSHG	1.0
28	002787.XSHE	1.0
29	002788.XSHE	1.0
30	002037.XSHE	1.0
31	300247.XSHE	1.0
32	002039.XSHE	1.0
33	002040.XSHE	1.0
34	002544.XSHE	1.0
35	002042.XSHE	1.0
36	300245.XSHE	1.0
37	300244.XSHE	1.0
38	601607.XSHG	1.0
39	002790.XSHE	1.0
40	002048.XSHE	1.0
41	300241.XSHE	1.0
42	002796.XSHE	1.0
43	002054.XSHE	1.0
44	601566.XSHG	1.0
45	002088.XSHE	1.0
46	002809.XSHE	1.0
47	002029.XSHE	1.0
48	600651.XSHG	1.0
49	300193.XSHE	1.0

全部回复

0/140

本社区仅针对特定人员开放

查看需注册登录并通过风险意识测评

5秒后跳转登录页面...

达人推荐

关注
财神爷_刘磊

粉丝:473

帖子数:0

财神爷_刘磊

0帖子0关注473粉丝

关注拉黑私信
关注
玉兔呈祥

粉丝:555

帖子数:3

玉兔呈祥:2019年08月23日操盘计划(1)...

玉兔呈祥:2019年07月26日操盘计划(1)...

玉兔呈祥

3帖子0关注555粉丝

关注拉黑私信
关注
时间都去哪了

粉丝:555

帖子数:0

时间都去哪了

0帖子5关注555粉丝

关注拉黑私信

量化课程

移动端课程

量化交易吧 / 数理科学 帖子：3364691 新帖：12

样本均衡对逻辑回归、决策树、SVM的影响

牛市来了发表于：6 月 10 日 12：00回复(1)

1.数据准备

2.模型预测

2.1 训练集及测试集数据做成

2.2 样本均衡处理

2.3 样本均衡前后的精度比较

2.4 样本均衡前后的准确率、召回率、f1-score比较

2.5 样本均衡前后的准确率-召回率曲线比较

2.6 样本均衡前后的ROC曲线及AUC比较

3. 结论

1.数据获取及预处理¶

1.1 分红数据获取¶

1.2 财务数据获取¶

2.模型预测¶

2.1 训练集及验证集数据做成¶

3.2 样本均衡¶

3.3 基于逻辑回归算法预测¶

3.3 基于SVM算法预测¶

3.4 基于决策树算法预测¶

4.预测评价¶

4.1 混淆矩阵¶

4.2 准确率、召回率及f1-score统计¶

4.3 准确率-召回率曲线¶

4.4 ROC曲线和AUC¶

5.2017年预测¶

全部回复

0/140

粉丝:473

帖子数:0

粉丝:555

帖子数:3

粉丝:555

帖子数:0

量化课程

热门标签

删除回复

确认要删除这篇文章么？

举报用户

信息提示

该文章已删除

设置置顶

完成设置【置顶】！

设置置顶

已取消设置【置顶】！

设置精华

完成设置【精华】！

设置精华

已取消设置【精华】！

审核信息

该文章已审核通过

审核信息

您已设置该文章审核不通过

举报成功

您已举报成功

用户登录

移动帖子

创建私信

屏蔽提示

确认要屏蔽该用户么？

屏蔽回复

您已对该用户实现屏蔽

信息回复

已发送成功

量化交易吧 / 数理科学帖子：3364691 新帖：12