1、函数sklearn.model_selection.train_test_split(数据集[test_size测试集大小，train_size训练集大小,random_state整数——随机数种子，否则为随机数生成器]，stratify数组[分层采样的标记数组]或none)返回值：一个列表，依次给出一/多个数据集划分的结果：训练集、测试集。2、代码（1）未分层X=[[1,2,3,4],[11

一、简介1、K线图，又名蜡烛图、阴阳线等。2、作用以清晰的视觉效果突显出多空趋势，让投资者拟定交易策略。3、数据开盘价：开市时多空双方对于该股票价格的预估。最高价：市场中的多头(买方)的最大能量。最低价：该股票的空头(卖方)的最大能量。收盘价则消化吸收了当个交易日期的所有信息，体现出一个交易日期快结束时股票价格的状态。——交易市场轮廓4、时间跨度小时、日、周、月5、矩形实体两端：收盘价、开盘价高度

1、代码n：数据集大小from sklearn.model_selection import LeaveOneOutX=np.array([[1,2,3,4],[11,12,13,14],[21,22,23,24],[31,32,33,34]])y=np.array([1,1,0,0])lo=LeaveOneOut()# lo.len(y)for train_index,test_index in

使用回归模型进行餐馆选址。数据集Woody3.dta包含33家Woody's连锁餐馆的以下变量：y(毛销售收入)，competitors(两英里内直接竞争者的数目)，pop(三英里内的居民人数)，income(三英里内的家庭平均收入)。(1)把y对其他变量进行多元回归。yi=-907yi=-9074.674competitorsi+0.3546684popi+1.287923incomei+ei(

以上证综指2012年日K线图为分析依据用Python捕捉上证综指K线图中出现的“早晨之星”形态。一、确定“早晨之星”的形态对连续3天的日度数据进行如下分析。1、刻画蜡烛实体：第1天(前两期)的收盘价低于开盘价，即描述蜡烛绿色实体；第2天(前一期)的收盘价和开盘价大致相等，两者差别控制在一个范围内；第3天(当期)蜡烛红色实体用收盘价高于开盘价来定义，两者的差值要大于等于第1天(前两期)开盘价与收盘价

1、代码n：数据集大小from sklearn.model_selection import LeaveOneOutX=np.array([[1,2,3,4],[11,12,13,14],[21,22,23,24],[31,32,33,34]])y=np.array([1,1,0,0])lo=LeaveOneOut()# lo.len(y)for train_index,test_index in

28分

使用回归模型进行餐馆选址。数据集Woody3.dta包含33家Woody's连锁餐馆的以下变量：y(毛销售收入)，competitors(两英里内直接竞争者的数目)，pop(三英里内的居民人数)，income(三英里内的家庭平均收入)。(1)把y对其他变量进行多元回归。yi=-907yi=-9074.674competitorsi+0.3546684popi+1.287923incomei+ei(

1、库import pandas as pdimport numpy as npimport matplotlib as mplimport matplotlib.pyplot as plt2、欧式距离函数计算欧氏距离，即两点间的直线距离参数：vector1-List列表，n维属性坐标值构成的向量vector2-List列表，n维属性坐标值构成的向量返回值：浮点数，欧氏距离欧氏距离计算函数对应向量

1、基本处理import matplotlib as mplimport matplotlib.pyplot as pltimport seaborn as snsimport pandas as pdimport numpy as np# %matplotlib inline# 处理seaborn图标内嵌中文字体问题plt.rcParams['font.sans-serif']=['SimHei