特斯拉是一家美国电动汽车公司，其目标是加速世界向可持续能源的转变。前一段时间，特斯拉股价的上涨使马斯克
成为世界上最富有的人。预测股票价格是机器学习的一个很好的用例，因此在本文中，我将带您完成使用 Python 使用机器学习进行特斯拉股票价格预测的任务。
使用机器学习预测特斯拉股价
预测股票价格是机器学习用于金融和时间序列分析的一个很好的用例。特斯拉在世界范围内已经存在了很长时间，世界上许多国家的政府都支持特斯拉。因此，在本文中，我将带您了解如何使用Facebook Prophet 模型进行特斯拉股价预测任务的教程。
我将在这里使用的数据集是从雅虎财经下载的。要下载此数据集，需访问yahoo Finance
并搜索 TSLA。您将看到如下图所示的仪表板：
在这里，点击历史价格，然后点击下载。数据集将下载为“TSLA.csv”。
使用 Python 预测特斯拉股票价格
希望大家按照上面的步骤，轻松下载了特斯拉股价的历史数据。现在让我们看看如何使用 Python 通过机器学习来预测特斯拉的股价。在这里，我将首先导入必要的 Python 库和数据集：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from fbprophet import Prophet
data = pd.read_csv("TSLA.csv")
data.head()
在继续之前，让我们可视化数据集中代表每天收盘价的“收盘价”列：
close = data['Close']
ax = close.plot(title='Tesla')
ax.set_xlabel('Date')
ax.set_ylabel('Close')
plt.show()
我们只需要这个数据集中的两列（日期和关闭），所以让我们创建一个只有这两列的新 DataFrame：
data["Date"] = pd.to_datetime(data["Date"], infer_datetime_format=True) data = data[["Date", "Close"]]
由于我们在这里使用 Facebook 先知模型来预测特斯拉的股价，因此我们需要重命名列：
data = data.rename(columns={
"Date" : "ds", "Close" : "y" })
我们已经为 Facebook 先知模型准备了数据集，现在让我们预测特斯拉的股价：
graph = model.plot(forcast, xlabel="Date", ylabel="Price")
如果特斯拉不提出代表他们愿景的新想法，那幺在不久的未来，特斯拉的股价似乎会下跌。这可能是真的，因为与特斯拉相比，其他公司也开始以非常低的价格生产电动汽车。
Be First to Comment