ga_aco_opt_on_anfis_svm-master 采用GA、ACO分别对ANFIS和SVM进行优化

采用GA、ACO分别对ANFIS和SVM进行优化，预测股市的数据

# coding: utf-8

# In[12]:


#Common Library
import numpy as np
import pandas as pd
from __future__ import division
from datetime import datetimetimedelta
from dateutil import parser
#import time
from time import time
#Sklearn
from sklearn.svm import SVR
from sklearn.model_selection import train_test_split
from sklearn.decomposition import PCA
from sklearn.ensemble import RandomForestRegressor
from sklearn.multioutput import MultiOutputRegressor
from sklearn.feature_selection import SelectFromModel
from sklearn import preprocessing
#regression evaluation
from sklearn.metrics import explained_variance_score
from sklearn.metrics import r2_score
from sklearn.metrics import mean_squared_error
#Matplotlib
import matplotlib.pyplot as plt
# Anfis
#import anfis
#from membership import membershipfunction mfDerivs


# In[13]:


def totimestamp（dt epoch=datetime（197011））:
    td = dt - epoch
    # return td.total_seconds（）
    return （td.microseconds + （td.seconds + td.days * 86400） * 10**6） / 10**6 

def DataPrepare（df）:
    df[‘TL baseD‘][0] = ‘ISE.TL‘
    df[‘USD baseD‘][0] = ‘ISE.USD‘
    df.columns = df.iloc[0]
    df.drop（df.index[0] inplace=True）
    df.rename（columns={‘ISE‘: ‘ISE.TL‘ ‘ISE‘: ‘ISE.USD‘} inplace=True）

    #col_target = [‘ISE.TL‘ ‘ISE.USD‘]
    col_target = [‘ISE.TL‘]
    target = df[col_target]
    data = df.drop（[‘ISE.TL‘ ‘ISE.USD‘] axis=1）

    data[‘date‘] = pd.to_datetime（data[‘date‘]）
    #print（data[‘date‘][0]）
    ms = []
    for i in range（1 len（data[‘date‘]）+1）:
        #print（int（totimestamp（data[‘date‘][i]）））
        ms.append（int（totimestamp（data[‘date‘][i]）））
        
    data[‘date‘] = ms

    return data target


# In[15]:


def ReadData（）:
    df = pd.read_csv（‘IstanbulStockExchangeUCI/IstanbulStockExchangeUCI.csv‘ delimiter=‘;‘）
    #print（df.head（））
    return DataPrepare（df）

#data target = ReadData（）


# In[16]:


def CreateFeatureSelectionModel（x_train y_train threshold = 0.1）:
    from sklearn.ensemble import RandomForestRegressor
    from sklearn.feature_selection import SelectFromModel
    sfm_m = RandomForestRegressor（max_depth=30 random_state=0）
    sfm = SelectFromModel（sfm_m threshold=threshold）
    sfm.fit（x_train y_train）
    return sfm

def DoFeatureSelection（model data）:
    return model.transform（data）

def DoInverseFeatureSelection（mode data）:
    return model.inverse_transform（data）


# In[17]:


def CreateDataScaleModel（x_train y_train）:
    from sklearn.preprocessing import MinMaxScaler
    scaler_x = MinMaxScaler（）
    scaler_x.fit（x_train）
    scaler_y = MinMaxScaler（）
    scaler_y.fit（y_train）
    return scaler_x scaler_y
    
    
def DataScale（model data）:
    return model.transform（data）


# In[21]:


def GetData（DoFS = True）:
    data target = ReadData（）
    
    sfm = CreateFeatureSelectionModel（data target 0.25）
    if DoFS == True:
        X = DoFeatureSelection（sfm data）
    else:
        X = data.values
    Y = target.values[:0]
    aa = np.hstack（[Xtarge

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-12-25 23:50  ga_aco_opt_on_anfis_svm-master\.ipynb_checkpoints\
     文件     2212691  2019-12-25 23:50  ga_aco_opt_on_anfis_svm-master\.ipynb_checkpoints\ANFIS_IstanbulStockExchange-checkpoint.ipynb
     文件     2212691  2019-12-25 23:50  ga_aco_opt_on_anfis_svm-master\ANFIS_IstanbulStockExchange.ipynb
     文件       21960  2018-06-24 07:30  ga_aco_opt_on_anfis_svm-master\ANFIS_IstanbulStockExchange.py
     目录           0  2019-12-25 21:27  ga_aco_opt_on_anfis_svm-master\IstanbulStockExchangeUCI\
     文件       64095  2018-06-24 07:30  ga_aco_opt_on_anfis_svm-master\IstanbulStockExchangeUCI\IstanbulStockExchangeUCI.csv
     文件       64095  2018-06-24 07:30  ga_aco_opt_on_anfis_svm-master\IstanbulStockExchangeUCI\IstanbulStockExchangeUCI2.csv
     目录           0  2019-12-25 23:50  ga_aco_opt_on_anfis_svm-master\