这个算是一个小坑，因为我也还在学习过程中，代码慢慢完善。一开始在python 2.7，vnpy 1.9.2环境中实现。后面在python 3.7也基本实现，增加支持了xgboost。代码写的繁杂，多多抱歉。

首先说说Scikit-learn是Python语言中专门针对机器学习应用而发展起来的一款开源框架，相对于现在深度学习库tensorflow，由于Scikit-learn本身不支持深度学习，也不支持GPU加速，但是相对于tensorflow那种近乎黑箱的多层神经网络，还是比较好从数学来解释分析。

分类是指识别给定对象的所属类别，属于监督学习的范畴，最常见的应用场景包括垃圾邮件检测和图像识别等。目前Scikit-learn已经实现的算法包括：支持向量机（SVM），最近邻，逻辑回归，随机森林，决策树以及多层感知器（MLP）神经网络等等。这里会使用逻辑回归，决策数， MLP神经网络和SVM向量机，其实都是两句代码事情。

不考虑内部的复杂数学逻辑，这里功能性的使用Scikit-learn特征分类的功能。

 1） 选取的特征值，为了避免数据值非逻辑化，这里不直接使用点位最高点这些，而使用那些和具体点位无关的指标，比如atr，cci，rsi，std和bar的涨跌百分比。

 2） 利用这些特征值进行分类，这里对于期货走势就是三类，1 是之后上涨，0是之后无规律，-1是之后下跌，这里使用线性回归分析当前时点之后6根K线的走势，如果斜度下，那么当前时点归为-1下跌类，斜度上，为1上涨，如果取信p值不够，或者上下斜率不大，为0。

那么特征值就是atr，cci，rsi，std和bar的涨跌百分比，当然你可以加入KDJ，MACD更多；类别就是三类1，0，-1，利用机器学习，找出特征值和类别的隐含逻辑，进而指导交易，非常粗糙。

整体代码逻辑如下，这里大量借鉴这个 。

1. 期货K线数据, 导入k线数据，并整理加入特性和类属性

• 利用之前做的DataAnalyzer，读取Mongodb或者csv的1分钟k数据, 放入Dataframe来处理，按照定义合并出n分钟k线，这里n为10

• 还是利用DataAnalyzer，利用ta-lib方法。给Dataframe加入atr，cci，rsi，std，macd和涨跌百分比。

• 使用新方法addTrend，利用scipy.stats的线性回归求出当前时点之后的斜率，给与分类值-1，0，1.

2. 数据处理，为了后面机器学习，把特征数组和类数组划分出来，并且划分训练机和测试集。

（1）划分出特征数组 X，和类别数组y

（2）划分训练集和测试集

• model_selection.train_test_split()

3. 特征工程，之前需求很多特征，其实有些并没有体现规律，或者完全随机，那么没有意义，可以删除

• 根据P值选：feature_selection.SelectFpr()

• 按照百分比选出最高分特征：feature_selection.SelectPercentile()

这里使用SelectPercentile，

4. 模型定义调参/选择

这里使用下面模式进行分析，然后利用网格调参

1）LogisticRegression 逻辑回归

2）DecisionTreeClassifier 决策树

3）SVC 支持向量分类

4）MLP 神经网络

• 交叉验证+网格搜索：model_selection.GridSearchCV()

5. 模型测试和评价，使用选取最好的模型，进行测试看看拼接

• 模型预测：model.predict()

• Accuracy：metrics.accuracy_score()

• Presicion：metrics.precision_score()

• Recall：metrics.recall_score()

6. 模型保存和调用

• 模型保存：joblib.dump()

• 模型调用：joblib.load()，这里就可以在vnpy中使用了，其实放在其他交易平台也差不多。

后面代码整理放在后面帖子，最后，只做参考，我发现虽然准确率有差不多70%，但是都是要你空仓，大智慧。。。