神经网络MLPClassifier分类方法预测大A股票第二天是否涨跌，结果震惊

预测结果，千股跌停，还是有点离谱。
神经网络参数通过GridSearchCV网格搜索获取最优参数。

1.源代码

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.neural_network import MLPClassifier

dataSource = pd.read_csv('data/紫光股份神经网络数据源.csv', encoding='gbk', header=0)

labels = np.array(dataSource['nextLabel'])
dataSource = dataSource.drop(columns =['symbol','name','label','nextLabel'])
print(dataSource)
print(labels)


x_train,x_test,y_train,y_test = train_test_split(dataSource, labels, test_size=0.25,
                                                                            random_state=0)
print('-------test_features----------')
print(x_test)
print('-------test_labels----------')
print(y_test)

# 评估模型性能
# 例如，使用模块sklearn.metrics中的函数来评估性能
# 最佳参数: {'activation': 'identity', 'alpha': 0.0001, 'hidden_layer_sizes': (100,), 'solver': 'sgd'}
# 最佳分数: 0.6401098901098902
# 最佳参数: {'activation': 'logistic', 'alpha': 0.001, 'hidden_layer_sizes': (50, 100, 50), 'solver': 'lbfgs'}
# 最佳分数: 0.6406593406593407
# model = MLPClassifier(solver='lbfgs', activation='logistic',alpha=0.001,hidden_layer_sizes=(50, 100, 50))
model = MLPClassifier(solver='sgd', activation='identity',alpha=0.0001,hidden_layer_sizes=(100,))
model.fit(x_train, y_train)


print('测试集前5条数据特征值：')
print(pd.DataFrame(x_test).head(10))
print('-----------------------------------------------------')
print('测试集前5条数据目标值：')
print(pd.DataFrame(y_test).head(10))
print('-----------------------------------------------------')
# 使用模型预测
y_predict = model.predict(x_test)
print('使用模型预测测试集前5条数据的目标值：')
print(pd.DataFrame(y_predict).head(10))
# 训练后用测试集对模型进行评分
print("模型评分：", model.score(x_test, y_test))
print('-----------------------------------------------------')

2.数据源

https://download.csdn.net/download/qq_14945847/88831511

3.预测结果

天啊，结果有点离谱，明天会是千股下跌吗？

后续会测试MLPRegressor回归算法进行训练，预测下一个交易日可能的收盘价。
目前模型不稳定，仅供参考，无任何投资价值。