用广晟有色的历史数据，用sklearn进行回归，数据如下：

假设每日振幅和成交量以及价格是有关系的，于是构造：

# coding=utf-8from pandas import Series,DataFrameimport pandas as pdimport numpy as npfrom datetime import datetimeimport tushare as tsfrom sklearn import datasets, linear_modeldf=pd.read_csv(‘data.csv‘)X=df[[‘open‘,‘volume‘]]y=df[‘high‘]-df[‘low‘]from sklearn.cross_validation import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, y, random_state=1)from sklearn.linear_model import LinearRegressionlinreg = LinearRegression()linreg.fit(X_train,y_train)print linreg.intercept_print linreg.coef_print "振幅=%f+%f价格+%f成交量"%(linreg.intercept_,linreg.coef_[0],linreg.coef_[1])#模型拟合测试集y_pred = linreg.predict(X_test)from sklearn import metrics# 用scikit-learn计算MSEprint "MSE:",metrics.mean_squared_error(y_test, y_pred)# 用scikit-learn计算RMSEprint "RMSE:",np.sqrt(metrics.mean_squared_error(y_test, y_pred))

输出：

-0.542840729241[  2.91283661e-02   1.89720767e-05]振幅=-0.542841+0.029128价格+0.000019成交量MSE: 1.16361481737RMSE: 1.07870979293

但是，按说应该跟成交量关系更大一些，等我把数据处理了继续研究。

程序基本照抄http://www.cnblogs.com/pinard/p/6016029.html

原来打算只研究成交量和价格的关系，但报错，原因好像是0.17版后，变量不能是一个维度啥的，所以把价格也加进来了。

振幅和成交量的关系