Pythonとseabornを使ってマイクロソフトの株価予測をしてみた

2023.01.18 2022.10.03

このPythonチュートリアルでは、Microsoftの株価予測についてお話しましょう。

マイクロソフトは現在、世界でもトップクラスの技術系企業であり、世界中で163,000人以上の従業員を抱えています。

最も広く使われているコンピュータのオペレーティングシステムの1つであるWindowsオペレーティングシステムを製造していることでよく知られています。

この記事では、マイクロソフトの株式価値を将来的に予測する方法を解説します。

このエッセイでは、Pythonを使った機械学習でマイクロソフトの株価を予測する方法をご案内します。

この記事もチェック：機械学習の4つの種類について解説していく

必要なモジュール/ライブラリとデータセットのインポート
データビジュアライゼーション
データ間の相関を見つける
データを訓練データとテストデータに分割する
機械学習モデルの適用
まとめ

必要なモジュール/ライブラリとデータセットのインポート

それでは早速、関連するPythonモジュールとデータセットをロードして、Microsoftの株価を予測する課題に取り組んでみましょう。

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

sns.set()

plt.style.use('seaborn')
 
data = pd.read_csv("MSFT.csv")
data.head()

plt.figure(figsize=(10, 4))

plt.title("Microsoft Stock Prices")

plt.xlabel("Date")

plt.ylabel("Close")

plt.plot(data["Close"])
plt.show()

データビジュアライゼーション

このデータセットの「終値」列は、将来の値を予測したい値で構成されています。

では、マイクロソフトの株価の過去の終値について詳しく見てみましょう。

print(data.corr())

sns.heatmap(data.corr(),cmap="Greens")
plt.show()

x = data[["Open", "High", "Low"]]

y = data["Close"]

x = x.to_numpy()

y = y.to_numpy()

y = y.reshape(-1, 1)
 
from sklearn.model_selection import train_test_split

xtrain, xtest, ytrain, ytest = train_test_split(x, y, test_size=0.2, random_state=42)

データ間の相関を見つける

それでは、データセットの特徴間の相関を見てみましょう。

from sklearn.tree import DecisionTreeRegressor

model = DecisionTreeRegressor()
model.fit(xtrain, ytrain)

ypred = model.predict(xtest)

data = pd.DataFrame(data={"Predicted Rate": ypred})

print(data.head())