Python金融數(shù)據(jù)分析與挖掘（微課版） 教案全套 黃恒秋

Python金融數(shù)據(jù)分析與挖掘課程教案一、課程教學安排總覽課程內(nèi)容教學方法學時安排理論講授實踐教學第二章科學計算包Numpy講授法、實驗教學法32第三章數(shù)據(jù)處理包Pandas講授法、實驗教學法55第四章數(shù)據(jù)可視化包Matplotlib講授法、實驗教學法23第五章機器學習與實現(xiàn)講授法、實驗教學法55第六章金融數(shù)據(jù)基礎講授法、實驗教學法41第七章基礎案例講授法、實驗教學法105第八章綜合案例一：上市公司綜合評價講授法、實驗教學法32第九章綜合案例二：股票價格漲跌趨勢預測講授法、實驗教學法55第十章綜合案例三：股票價格形態(tài)聚類與收益分析講授法、實驗教學法55第十一章綜合案例四：行業(yè)聯(lián)動與輪動分析講授法、實驗教學法32合計4535二、課程教學內(nèi)容計劃第二章科學計算包Numpy【教學目標】1.了解Numpy及導入使用；2.理解數(shù)組的創(chuàng)建、切片、連接、存取、排序及搜索相關技能；

3.掌握數(shù)組靈活切片的方法及數(shù)組連接、排序、搜索相關知識?！窘虒W重點】數(shù)組的切片、連接、改變形態(tài)。數(shù)組的相關方法。【教學難點】數(shù)組的切片及改變形態(tài)、線性代數(shù)運算。【教學時數(shù)】3學時【教學方法】講授法【教學內(nèi)容】1.導入并使用Numpy創(chuàng)建數(shù)組；2.數(shù)組的運算、切片、連接及存取、排序與搜索；數(shù)組相關屬性與方法；3.矩陣及線性代數(shù)運算第三章數(shù)據(jù)處理包Pandas【教學目標】1.了解Pandas導入及創(chuàng)建數(shù)據(jù)框和序列；2.理解數(shù)據(jù)框和序列的訪問、切片及方法；

3.掌握數(shù)據(jù)框和序列相關方法的靈活應用，數(shù)據(jù)框、序列、數(shù)組、列表之間的相關轉換及運用。4.熟練掌握常用時間處理函數(shù)、合并函數(shù)與關聯(lián)函數(shù)，以及滾動計算、時間元素提取、映射與離散化、分組統(tǒng)計等相關數(shù)據(jù)處理與計算任務?！窘虒W重點】數(shù)據(jù)框、序列相關屬性、方法的應用，數(shù)據(jù)框和序列數(shù)據(jù)的訪問、切片及相互之間的轉換。常用外部數(shù)據(jù)文件的讀取、數(shù)據(jù)關聯(lián)與合并、滾動計算、時間元素提取與分組統(tǒng)計計算。【教學難點】數(shù)據(jù)框、序列的訪問及切片。數(shù)據(jù)框、序列、數(shù)組、列表相關數(shù)據(jù)結構之間的相互轉換。數(shù)據(jù)關聯(lián)和分組統(tǒng)計的函數(shù)理解與應用?！窘虒W時數(shù)】5學時【教學方法】講授法【教學內(nèi)容】1.導入并使用Pandas創(chuàng)建數(shù)據(jù)框和序列；2.數(shù)據(jù)框和序列相關屬性、方法的介紹及使用；3.數(shù)據(jù)框和序列的訪問、切片及運算；4.外部數(shù)據(jù)文件的讀取及滾動計算函數(shù)的使用；5.時間處理函數(shù)、合并函數(shù)與關聯(lián)函數(shù)，以及滾動計算、時間元素提取、映射與離散化、分組統(tǒng)計等相關數(shù)據(jù)處理與計算任務。第四章數(shù)據(jù)可視化包Matplotlib【教學目標】1.了解Matplotlib中的pyplot模塊導入及簡單使用方法；2.理解利用Matplotlib中的pyplot模塊繪圖的基本流程及原理；

3.掌握利用Matplotlib中的pyplot模塊繪制散點圖、線性圖、柱狀圖、直方圖、餅圖、箱線圖和子圖的方法，以及中文字符的顯示、橫軸字符刻度和子圖的布局排列?！窘虒W重點】利用Matplotlib中的pyplot模塊進行散點圖、線性圖、柱狀圖、直方圖、餅圖、箱線圖和子圖的繪制。懂得圖形中文字符的顯示及橫軸字符刻度，子圖的布局排列。【教學難點】Matplotlib繪圖的基本流程及原理?！窘虒W時數(shù)】2學時【教學方法】講授法【教學內(nèi)容】1.導入并使用Matplotlib中的pyplot模塊進行簡單繪圖；2.Matplotlib中的pyplot模塊繪圖基本流程及原理；3.利用Matplotlib中的yplot模塊繪制常見的圖形，包括散點圖、線性圖、柱狀圖、直方圖、餅圖、箱線圖和子圖。第五章機器學習與實現(xiàn)【教學目標】1.了解Scikit-learn包及相關模塊導入及簡單使用方法；2.理解均值、中位數(shù)、最頻繁值的缺失值填充策略，均值-方差、極差數(shù)據(jù)規(guī)范化或標準化，主成分分析降維及綜合評價，線性回歸、神經(jīng)網(wǎng)絡非線性回歸預測，邏輯回歸、神經(jīng)網(wǎng)絡、支持向量機分類，K-mean聚類、關聯(lián)規(guī)則相關的基本原理與方法；

3.掌握均值、中位數(shù)、最頻繁值的缺失值填充策略，均值-方差、極差數(shù)據(jù)規(guī)范化或標準化，主成分分析降維及綜合評價，線性回歸、神經(jīng)網(wǎng)絡非線性回歸預測，邏輯回歸、神經(jīng)網(wǎng)絡、支持向量機分類，K-mean聚類、關聯(lián)規(guī)則的程序實現(xiàn)及案例應用?！窘虒W重點】均值、中位數(shù)、最頻繁值的缺失值填充策略，均值-方差、極差數(shù)據(jù)規(guī)范化或標準化，主成分分析降維及綜合評價，線性回歸、神經(jīng)網(wǎng)絡非線性回歸預測，邏輯回歸、神經(jīng)網(wǎng)絡、支持向量機分類，K-mean聚類、關聯(lián)規(guī)則相關原理的理解及程序實現(xiàn)。【教學難點】主成分分析降維及綜合評價，線性回歸、神經(jīng)網(wǎng)絡非線性回歸預測，邏輯回歸、神經(jīng)網(wǎng)絡、支持向量機分類，K-mean聚類、關聯(lián)規(guī)則相關原理的理解?！窘虒W時數(shù)】5學時【教學方法】講授法【教學內(nèi)容】1.導入Scikit-learn包及相關模塊；2.缺失值填充、數(shù)據(jù)規(guī)范化或標準化、主成分分析降維及綜合評價、線性回歸、邏輯回歸、神經(jīng)網(wǎng)絡、支持向量機、K-均值聚類、關聯(lián)規(guī)則相關的模型、算法與原理；3.利用Scikit-learn包相關模塊，完成案例教學，包括均值、中位數(shù)、最頻繁值的缺失值填充策略，均值-方差、極差數(shù)據(jù)規(guī)范化或標準化，主成分分析降維及綜合評價，線性回歸、神經(jīng)網(wǎng)絡非線性回歸預測，邏輯回歸、神經(jīng)網(wǎng)絡、支持向量機分類，K-mean聚類、關聯(lián)規(guī)則第六章金融數(shù)據(jù)基礎【教學目標】1.了解公司治理結構、財務報表、財務分析指標、股票高頻、股票日頻交易和股票價格指數(shù)相關數(shù)據(jù)及產(chǎn)生情景；2.理解上述金融數(shù)據(jù)的重要指標及數(shù)據(jù)形態(tài)；

3.了解開源數(shù)據(jù)接口?！窘虒W重點】公司治理結構、財務報表、財務分析指標、股票高頻、股票日頻交易和股票價格指數(shù)相關核心指標數(shù)據(jù)。【教學難點】股票高頻數(shù)據(jù)的生成加工及理解。【教學時數(shù)】4學時【教學方法】講授法【教學內(nèi)容】1.公司治理結構、財務報表、財務分析指標相關數(shù)據(jù)及重要指標數(shù)據(jù)的解讀；2.股票高頻數(shù)據(jù)生產(chǎn)場景及數(shù)據(jù)加工、核心指標數(shù)據(jù)的理解；3.開源數(shù)據(jù)接口第七章基礎案例【教學目標】1.了解案例實現(xiàn)的基本思路。2.理解案例實現(xiàn)的具體算法及程序實現(xiàn)，各種數(shù)據(jù)結構的相互轉換并實現(xiàn)程序計算；3.掌握案例實現(xiàn)的具體過程，包括思路、算法、數(shù)據(jù)處理、程序計算及結果展現(xiàn)?！窘虒W重點】案例的實現(xiàn)思路、算法及程序具體實現(xiàn)?！窘虒W難點】案例的實現(xiàn)算法、程序實現(xiàn)過程中各類數(shù)據(jù)結構的相互轉換?！窘虒W時數(shù)】10學時【教學方法】講授法【教學內(nèi)容】1.股票價格指數(shù)周收益率和月收益率的計算；2.上市公司凈利潤增長率的計算；3.股票價、量走勢圖繪制；4.股票價格移動平均線的繪制；5.滬深300指數(shù)走勢預測；6.基于主成分聚類的上市公司盈利能力分析7.國際股票指數(shù)關聯(lián)分析第八章綜合案例一：上市公司綜合評價【教學目標】1.了解上市公司綜合評價的基本概念及模型。2.理解業(yè)務數(shù)據(jù)、指標數(shù)據(jù)選取、預處理、量化投資設計的基本原理、原則及流程；3.掌握指標數(shù)據(jù)選取、預處理、程序實現(xiàn)、量化投資策略設計實現(xiàn)的全部流程?！窘虒W重點】業(yè)務數(shù)據(jù)理解、指標數(shù)據(jù)的選擇、預處理、程序實現(xiàn)?！窘虒W難點】業(yè)務數(shù)據(jù)理解、數(shù)據(jù)預處理、模型的理解?！窘虒W時數(shù)】3學時【教學方法】講授法【教學內(nèi)容】1.上市公司綜合評價模型及方法基本介紹；2.基于投資規(guī)模與效率指標的綜合評價方法；3.基于成長與價值指標的綜合評價方法；4.指標數(shù)據(jù)選取及數(shù)據(jù)預處理；5.主成分分析模型及程序實現(xiàn)；6.量化投資策略設計實現(xiàn)及結果分析第九章綜合案例二：股票價格漲跌趨勢預測【教學目標】1.了解股票價格漲跌趨勢的基本概念。2.理解業(yè)務數(shù)據(jù)、技術分析指標數(shù)據(jù)計算、模型實現(xiàn)及驗證相關原理、方法及流程；3.掌握技術分析指標數(shù)據(jù)計算、模型檢驗、量化投資策略設計實現(xiàn)的全部流程?！窘虒W重點】業(yè)務數(shù)據(jù)理解、指標概念及公式理解、程序實現(xiàn)及模型檢驗?！窘虒W難點】業(yè)務數(shù)據(jù)理解、指標公式理解及量化投資策略設計實現(xiàn)?！窘虒W時數(shù)】5學時【教學方法】講授法【教學內(nèi)容】1.了解股票價格漲跌趨勢的基本概念。2.理解業(yè)務數(shù)據(jù)、技術分析指標數(shù)據(jù)計算、模型實現(xiàn)及驗證相關原理、方法及流程；3.掌握技術分析指標數(shù)據(jù)計算、模型檢驗、量化投資策略設計實現(xiàn)的全部流程第十章綜合案例三：股票價格形態(tài)聚類與收益分析【教學目標】1.了解股票價格形態(tài)分析的基本概念、關鍵價格點概念2.理解業(yè)務數(shù)據(jù)、關鍵價格點提取算法、形態(tài)特征表示、K-最頻繁值聚類算法；3.掌握關鍵價格點提取算法、形態(tài)特征表示方法、K-最頻繁值聚類算法的基本流程及程序實現(xiàn)，以及量化投資策略設計與實現(xiàn)。【教學重點】業(yè)務數(shù)據(jù)理解、關鍵價格點提取算法、K-最頻繁值聚類算法。【教學難點】關鍵價格點提取算法、K-最頻繁值聚類算法、量化投資策略設計實現(xiàn)?！窘虒W時數(shù)】5學時【教學方法】講授法【教學內(nèi)容】1.股票價格形態(tài)分析的基本概念；2.股票關鍵價格點的概念及提取算法；3.形態(tài)特征的表示及計算4.K-最頻繁值算法及程序實現(xiàn)；5.量化投資策略設計實現(xiàn)及結果分析第十一章綜合案例四：行業(yè)聯(lián)動與輪動分析【教學目標】1.解行業(yè)聯(lián)動與輪動的基本概念。2.理解行業(yè)聯(lián)動與輪動的指標表示、關聯(lián)規(guī)則挖掘算法及量化投資策略設計原理3.掌握行業(yè)聯(lián)動與輪動關聯(lián)規(guī)則挖掘算法及量化投資策略設計實現(xiàn)的全流程?！窘虒W重點】業(yè)務數(shù)據(jù)理解、行業(yè)輪動規(guī)則挖掘及量化投資策略設計實現(xiàn)?！窘虒W難點】行業(yè)輪動關聯(lián)規(guī)則挖掘及量化投資策略設計實現(xiàn)。【教學時數(shù)】3學時【教學方法】講授法【教學內(nèi)容】1.行業(yè)聯(lián)動與輪動的基本概念；2.行業(yè)聯(lián)動與輪動的指標表示與計算；3.日、周、月頻率的行業(yè)聯(lián)動與輪動關聯(lián)規(guī)則挖掘；4.量化投資策略設計實現(xiàn)及結果分析點三、實驗教學內(nèi)容計劃實驗一：NumPy數(shù)組操作（頭歌平臺配套的實驗課程第2章實驗）【實驗目的和要求】掌握NumPy數(shù)組的定義及操作方法。【實驗內(nèi)容】賦值定義較復雜數(shù)據(jù)結構請完成以下問題：將列表L1定義為一維數(shù)組l1，將嵌套列表L2定義為二維數(shù)組l22.內(nèi)嵌函數(shù)定義較復雜數(shù)據(jù)結構請完成以下任務:1）定義一個3行3列元素全為1的數(shù)組A2）定義一個3行3列元素全為0的數(shù)組B3）定義一個初始值為2、末值為9、步長為2的數(shù)組C4）定義一個默認初始值0，步長為1的,末值為9的一維數(shù)組D3.數(shù)組運算現(xiàn)給出數(shù)組A和B，請按順序完成以下任務：1）求解A的最大值、最小值、余弦值、正弦值、長度2）求A乘B3）返回計算結果Max_A,Min_A,cos_A,sin_A,le_A,result4.數(shù)組切片5.數(shù)組鏈接【教學方法】實驗法【教學時數(shù)】2實驗二：Pandas數(shù)據(jù)處理操作（頭歌平臺配套的實驗課程第3章實驗）【實驗目的和要求】掌握Pandas數(shù)據(jù)結構的定義及操作方法。【實驗內(nèi)容】1.序列和數(shù)據(jù)框請完成以下任務：1）導入pandas包2）定義列表L1、L2，元組T1、T2L1=[1,-2,2.3,'hq']L2=['kl','ht','as','km']T1=(1,8,8,9)T2=(2,4,7,'hp')3）基于定義的列表和元組構造數(shù)據(jù)框，默認索引，列名依次為a,b,c,d，返回計算結果A4）基于定義的列表和元組構造數(shù)據(jù)框，索引為a,b,c,d,列名為L1,L2,T1,T2，返回計算結果B2.外部數(shù)據(jù)文件讀取請完成以下任務：1）導入pandas包2）read_excel()函數(shù)讀取“一、車次上車人數(shù)統(tǒng)計表.xlsx”數(shù)據(jù)表，用數(shù)據(jù)框df1來存儲3）通過read_table()函數(shù)讀取"txt1.txt"文件中的數(shù)據(jù)（不帶表頭），用數(shù)據(jù)框df2來表示4）通過read_csv()函數(shù)分塊讀取的方式讀取“data.csv”文件，每次讀取20000行，并輸出每次讀取的數(shù)據(jù)集行數(shù)和數(shù)據(jù)集的尺寸，其格式為：“第n次讀取數(shù)據(jù)規(guī)模為：數(shù)據(jù)集行數(shù)（舉例：第1次讀取數(shù)據(jù)集規(guī)模為：20000）”“數(shù)據(jù)集尺寸（舉例：(20000,13)）3.邏輯索引、切片方法，groupby分組計算函數(shù)應用請完成以下任務：1）請讀取地鐵站點進出站客流數(shù)據(jù)表(Data.xlsx)，表結構字段如下：站點編號、日期、時刻、進站人數(shù)、出站人數(shù)2）取出第0列，通過去重的方式獲得地鐵站點編號列表，記為code3）采用數(shù)據(jù)框中的groupby分組計算函數(shù)，統(tǒng)計出每個地鐵站點每天的進站人數(shù)和出站人數(shù)，計算結果采用一個數(shù)據(jù)框sat_num來表示，其中列標簽依次為：站點編號、日期、進站人數(shù)和出站人數(shù)；4）計算出每個站點國慶節(jié)期間（10.1~10.7）的進站人數(shù)和出站人數(shù)，計算結果用一個數(shù)據(jù)框sat_num2來表示，其中列標簽依次為:A1_站點編號、A2_進站人數(shù)、A3_出站人數(shù)。4.數(shù)據(jù)框關聯(lián)操作5.數(shù)據(jù)框合并操作6.序列移動計算方法應用7.數(shù)據(jù)框切片（iloc、loc）方法請完成以下任務：1）導入pdndas包2）讀取地鐵站點進出站客流數(shù)據(jù)表（Data.xlsx）,字段依次為：站點編號、日期、時刻、進站人數(shù)、出站人數(shù)3）采用索引（iloc）實現(xiàn)的方式，獲取135站點10月1日-10月2日早上9-11點3個時刻的進站客流量數(shù)據(jù)(取所有字段)，記為A4）采用列標簽（loc)實現(xiàn)方式，獲取135站點10月1日-10月2日早上9-11點3個時刻的進站客流量數(shù)據(jù)（取所有字段）,記為B。8.數(shù)據(jù)框排序請完成以下任務：1）導入pandas包2）用read_excel()函數(shù)讀取“data.xlsx"表，用數(shù)據(jù)框read表示3）提取600000.SH代碼交易數(shù)據(jù)，并按交易日期從小到大進行排序,記為data4）對整個數(shù)據(jù)框read,按代碼、交易日期從小到大進行排序9.數(shù)據(jù)框綜合應用案例請完成以下任務：讀取地鐵站點進出站客流數(shù)據(jù)表（Data.xlsx），統(tǒng)計計算獲得每個站點每個時刻（除去國慶期間）的總進站客流量和總出站客流量，用一個數(shù)據(jù)框來R表示，結果返回R，列名依次為：A1_站點編號、A2_時刻、A3_總進站客流、A4_總出站客流10.序列及簡單隨機抽樣請完成以下任務：1）定義一個列表code,編號為1~302）對code，按30個元素一次隨機抽樣，記為A3）返回結果，為序列s，其中index為編號，值為抽樣結果11.序列及較復雜抽樣題目背景：某題庫有選擇、填空、判斷、計算和應用5種題型，每種題型題號從1開始依次按順序編號，其中選擇題70道，填空題80道，判斷題50道，計算題30道，應用題20道。現(xiàn)有40個同學參加考試，要求每個同學從5種題型中隨機抽取1道題目組成試卷，請編程實現(xiàn)給出每個同學試卷的具體題目編號。請完成以下任務：1）定義一個數(shù)據(jù)框A，index為默認序號（0~39），代表每一位同學2）數(shù)據(jù)框A的第0列表示每位同學隨機抽簽的第1種題型的序號，第1、2、3、4列依次類推【教學方法】實驗法【教學時數(shù)】5實驗三：數(shù)據(jù)可視化包Matplotlib應用（頭歌平臺配套的實驗課程第4章實驗）【實驗目的和要求】掌握數(shù)據(jù)可視化的基本使用方法?！緦嶒瀮?nèi)容】1.散點圖繪制請完成以下任務：1）讀取“各站點各時刻進出站客流數(shù)據(jù).xlsx”，繪制站點155各時刻進站客流散點圖；2）最后，采用plt.savefig函數(shù)保存圖片，文件路徑如下："學員4.1/155各時刻進站客流散點圖.png"。2.線性圖繪制請完成以下任務1）讀取“各站點各時刻進出站客流數(shù)據(jù).xlsx”，繪制站點155各時刻進站客流線性圖；2）最后，采用plt.savefig函數(shù)保存圖片，文件路徑如下："學員4.2/155各時刻進站客流線性圖.png"。3.柱狀圖繪制請完成以下任務1）讀取“各站點各時刻進出站客流數(shù)據(jù).xlsx”，繪制站點155各時刻進站客流柱狀圖；2）最后，采用plt.savefig函數(shù)保存圖片，文件路徑如下："學員4.3/155各時刻進站客流柱狀圖.png"。4.直方圖繪制請完成以下任務：1）讀取“各站點各時刻進出站客流數(shù)據(jù).xlsx”，繪制站點155各時刻進站客流直方圖；2）最后，采用plt.savefig函數(shù)保存圖片，文件路徑如下："學員4.4/155各時刻進站客流直方圖.png"。5.餅圖繪制請完成以下任務：1）讀取“各站點各時刻進出站客流數(shù)據(jù).xlsx”，繪制站點157各時刻進站客流餅圖；2）最后，采用plt.savefig函數(shù)保存圖片，文件路徑如下："學員4.5/157各時刻進站客流餅圖.png"。6.箱線圖繪制請完成以下任務：1）讀取“各站點各時刻進出站客流數(shù)據(jù).xlsx”，繪制站點9時刻的進站客流箱線圖；2）最后，采用plt.savefig函數(shù)保存圖片，文件路徑如下："學員4.6/9時刻各站點進站客流箱線圖.png"。7.子圖繪制請完成以下任務：1）讀取“各站點各時刻進出站客流數(shù)據(jù).xlsx”，獲得155、157、151、123四個站點在各時刻的進站客流，用一個2*2的子圖，繪制其線性圖；2）最后，采用plt.savefig函數(shù)保存圖片，文件路徑如下："學員4.7/4個站點各時刻進站客流子圖.png"?！窘虒W方法】實驗法【教學時數(shù)】3實驗四：scikit-learn應用（頭歌平臺配套的實驗課程第5章實驗1-10）【實驗目的和要求】掌握機器學習包scikit-learn的基本使用方法?！緦嶒瀮?nèi)容】1．缺失值填充請完成以下任務：1）讀取“銀行貸款審批數(shù)據(jù).xlsx”表，自變量為x1~x15，決策變量為y（1-同意貸款，0-不同意貸款），其中x1~x6為數(shù)值變量，x7~x15為名義變量2）請對x1~x6中存在的缺失值用均值策略填充，x7~x15用最頻繁值策略填充3）最后返回填充處理后的X（即x1~x15），以及決策變量Y(即y)2.數(shù)據(jù)標準化請完成以下任務：1）在上一個實驗的基礎上，對自變量X中的數(shù)值變量（x1~x6）作均值-方差標準化處理，需要注意的是x7~x15名義變量不需要作標準化處理。2）返回結果X1，數(shù)據(jù)結構為數(shù)組形式，X1中含有標準化后的x1~x6和未標準化的x7~x15。3.缺失值填充請完成以下任務：1）在上一個實驗基礎上，對經(jīng)過缺失值填充、數(shù)值變量標準化后的數(shù)據(jù)集，取前600條記錄作為訓練數(shù)據(jù)，后90條記錄作為測試數(shù)據(jù)，構建支持向量機分類模型；2）返回計算結果為模型準確率rv和預測準確率r。4.邏輯回歸模型及其應用請完成以下任務：1）在第2個實驗基礎上，對經(jīng)過缺失值填充、數(shù)值變量標準化后的數(shù)據(jù)集，取前600條記錄作為訓練數(shù)據(jù)，后90條記錄作為測試數(shù)據(jù)，構建邏輯回歸模型；2）返回計算結果為模型準確率rv和預測準確率r。5.神經(jīng)網(wǎng)絡分類模型及其應用請完成以下任務：1）在第2個實驗基礎上，對經(jīng)過缺失值填充、數(shù)值變量標準化后的數(shù)據(jù)集，取前600條記錄作為訓練數(shù)據(jù)，后90條記錄作為測試數(shù)據(jù)，構建神經(jīng)網(wǎng)絡分類模型；2）返回計算結果為模型準確率rv和預測準確率r。6.線性回歸模型及其應用在發(fā)電場中電力輸出（PE）與AT（溫度）、V（壓力）、AP（濕度）、RH（壓強）有關，相關測試數(shù)據(jù)見“發(fā)電場數(shù)據(jù).xlsx”文件，請完成以下任務：1）求出PE與AT、V、AP、RH之間的線性回歸關系式系數(shù)向量,用列表b表示，其元素依次為常數(shù)項、AT回歸系數(shù)、V回歸系數(shù)、AP回歸系數(shù)、RH回歸系數(shù)；2）求出回歸方程的擬合優(yōu)度（判定系數(shù)），用變量r表示；3）今有某次測試數(shù)據(jù)AT=28.4、V=50.6、AP=1011.9、RH=80.54，試利用構建的線性回歸模型預測其PE值。7.神經(jīng)網(wǎng)絡回歸模型及其應用請完成以下任務：1）基于上一個實驗數(shù)據(jù)集，構建神經(jīng)網(wǎng)絡回歸模型，返回計算結果模型準確率r；2）并針對測試數(shù)據(jù)AT=28.4、V=50.6、AP=1011.9、RH=80.54，預測其PE值。8.支持向量機回歸模型及其應用請完成以下任務：1）基于上一個實驗數(shù)據(jù)集，構建支持向量機回歸模型（采用線性核函數(shù)），返回計算結果模型的擬合優(yōu)度r；2）并針對測試數(shù)據(jù)AT=28.4、V=50.6、AP=1011.9、RH=80.54，預測其PE值。9.基于主成分分析的綜合評價讀取“農(nóng)村居民人均可支配收入來源2016.xlsx”數(shù)據(jù)表，其中數(shù)據(jù)來源于2016年《中國統(tǒng)計年鑒》，首先對指標數(shù)據(jù)進行均值方差標準化處理；其次對標準化處理后的指標數(shù)據(jù)做主成分分析，要求提取累計貢獻率在95%以上；再次基于提取的主成分計算綜合得分，綜合得分=提取的各主成分與對應貢獻率之和；最后基于綜合得分獲得各地區(qū)的排名，得分按從高到低排序，用一個序列Rs來表示，其中index為地區(qū)名稱，值為綜合得分。10.K均值聚類算法及其應用讀取“農(nóng)村居民人均可支配收入來源2016.xlsx”數(shù)據(jù)表，數(shù)據(jù)來源于2016年《中國統(tǒng)計年鑒》，首先對指標數(shù)據(jù)作均值-方差標準化處理，注意首列為地區(qū)名稱，不用標準化；其次對標準化后的指標數(shù)據(jù)，作K-均值聚類分析（K=4）；最后，給出聚類分析結果，用一個序列Fs來表示，其中index為地區(qū)名稱，值為所屬類別的標簽值（0、1、2、3）?！窘虒W方法】實驗法【教學時數(shù)】4實驗五：關聯(lián)規(guī)則基礎（頭歌平臺配套的實驗課程第5章實驗11-12）【實驗目的和要求】掌握一對一和多對一關聯(lián)規(guī)則的基本使用方法?！緦嶒瀮?nèi)容】1.布爾數(shù)據(jù)集構建將以下超市的購買記錄（已用一個"超市購買記錄.txt"來存放，讀取該文件即可），文件內(nèi)容存放與下列展示一致，即頓號分隔，文件編碼為utf-8）：I1、西紅柿、排骨、雞蛋、毛巾、水果刀、蘋果I2、西紅柿、茄子、水果刀、香蕉I3、雞蛋、襪子、毛巾、肥皂、蘋果、水果刀I4、西紅柿、排骨、茄子、毛巾、水果刀I5、西紅柿、排骨、酸奶、蘋果I6、雞蛋、茄子、酸奶、肥皂、蘋果、香蕉I7、排骨、雞蛋、茄子、水果刀、蘋果I8、土豆、雞蛋、襪子、香蕉、蘋果、水果刀I9、西紅柿、排骨、鞋子、土豆、香蕉、蘋果將其轉換為布爾數(shù)據(jù)集，其中數(shù)據(jù)集用數(shù)據(jù)框Data來表示，數(shù)據(jù)框中的字段名稱即為商品名稱，如果商品在某個購買記錄中出現(xiàn)用1來表示，否則為0。2.基于布爾數(shù)據(jù)集的一對一和多對一關聯(lián)規(guī)則挖掘針對以下布爾數(shù)據(jù)集(已用一個“test12.xlsx”表格來存取，直接讀取即可，字段名稱為A、B、C):A B C1 1 00 1 11 0 01 1 11 1 11 0 01 1 10 1 11 0 01 1 11 1 01 1 11 1 0請編程計算規(guī)則“A->B”和“A,B->C”的支持度和置信度，分別用sp1和co1,sp2和co2來表示【教學方法】實驗法【教學時數(shù)】1實驗六：金融數(shù)據(jù)基礎（頭歌平臺配套的實驗課程第6章實驗）【實驗目的和要求】掌握股票高頻數(shù)據(jù)的加工及分時計算?！緦嶒瀮?nèi)容】今有基本行情（簡稱level-1）部分數(shù)據(jù)，見配套數(shù)據(jù)表“SHL1_600000.xlsx”，字段依次為：證券代碼、交易日期、昨收盤價、當前時間、（開、高、低、最新）價、累計成交量、分筆期間成交量、累計成交額、分筆期間成交額、累計成交筆數(shù)、分筆期間成交筆數(shù)、賣方委托價格5-1，買方委托價格1-5，賣方委托量5-1，買方委托量1-5。根據(jù)該基本行情交易數(shù)據(jù)表，計算獲得1分時交易數(shù)據(jù)表，其基本字段及計算思路如下：靜態(tài)字段：證券代碼、交易日期時間字段：分時點成交字段：分時期間（開、高、低、收）價格、分時期間成交量、分時期間成交金額計算思路：1分時數(shù)據(jù)是由基本行情（level-1）數(shù)據(jù)統(tǒng)計計算獲得。分時計算主要有兩種計算方式：一種是時間前置，一種是時間后置。比如后置計算1分時0931這個時間點，其行情統(tǒng)計時間區(qū)間為[093000.000,093059.999]；前置計算1分時0931這個時間點，其行情統(tǒng)計時間區(qū)間為[093100.000,093159.999]。計算的規(guī)則主要有4個方式：取區(qū)間頭、取區(qū)間未、取區(qū)間最大、取區(qū)間最小。比如計算600000，20130301，0931這個分時點的分時數(shù)據(jù)，其對應的分筆數(shù)據(jù)區(qū)間范圍為093002-093052（需要按時間排序），則：開盤價為：樣本范圍內(nèi)的CP的第一個價格11.070最高價為：樣本范圍內(nèi)的CP的最大的價格11.080最低價為：樣本范圍內(nèi)的CP的最小的價格11.060收盤價為：樣本范圍內(nèi)的CP的最后的價格11.070分時期間成交量為：樣本范圍內(nèi)最后的TQ-上一個樣本范圍內(nèi)的最后的TQ=sum(樣本范圍內(nèi)的CQ)=10559900-4190571=6369329。分時期間成交額為：樣本范圍內(nèi)最后的TM-上一個樣本范圍內(nèi)的最后的TM=sum(樣本范圍內(nèi)的CM)=116929015-46389621=70539394?！窘虒W方法】實驗法【教學時數(shù)】1實驗七：金融基礎數(shù)據(jù)分析（教材配套的第7章練習）【實驗目的和要求】掌握基礎的金融數(shù)據(jù)分析及挖掘方法?！緦嶒瀮?nèi)容】今有2017-2018年每個季度的每股指標數(shù)據(jù)，共22720條數(shù)據(jù)記錄，數(shù)據(jù)全部來源于國泰安CSMAR數(shù)據(jù)庫，部分數(shù)據(jù)記錄及表結構如表下所示：2017-2018每個季度的每股指標數(shù)據(jù)StkcdAccperF090301BF090601BF091001AF091301AF091501AF091801B0000012017-03-310.361911.57722812.098953.2885854.046768-6.69820000012017-06-300.7311593.0986612.315323.2885854.258008-7.465350000012017-09-301.1154924.58782812.703033.2885854.642341-9.201340000012017-12-311.3505536.10768812.932673.2885854.639546-6.917880000012018-03-310.38411.59330213.010543.2885854.6852072.4136280000012018-06-300.77883.2314513.287193.2885854.944030.4341880000012018-09-301.191384.56482213.700123.2885855.35661-0.658710000012018-12-311.4454286.18590613.980323.2885855.535061-3.338560000022017-03-310.0629951.68393614.673770.7570195.606924-0.86274…………其中Stkcd-股票代碼、Accper-截止日期、F090301B-歸屬于母公司每股收益、F090601B-每股營業(yè)收入、F091001A-每股凈資產(chǎn)、F091301A-每股資本公積、F091501A-每股未分配利潤、F091801B-每股經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額。問題如下：1.對每個股票代碼，計算每個季度每股收益同比增長率，并找出連續(xù)4個季度每股收益同比增長率大于20%的股票代碼。