機器學習_學習筆記系列(47)：k-鄰近演算法回歸(k-Nearest Neighbor Regression)
上一篇我們提到如何運用k-Nearest Neighbor來解決分類上的問題，而對於回歸上的問題，我們一樣也可以用kNN來做，而且想法跟做發也一樣相當簡單。
k-Nearest Neighbor Regression
對於kNN Regression的概念，其是和Classification一樣，我們會從訓練集找離我們選的數據點最近的k筆資料，然後將這個k筆資料的輸出資料y取平均，就是我們的預測值。
為了讓這篇內容有趣一點我們在這篇加一點東西進來，就是運用KNN畫股票趨勢圖。這裡我們選擇「群創光電」近1年的股票趨勢圖，作為我們的資料集，而資料來源來自台灣證券交易所。
首先我們先做一些資料前處理，把去年5月到今年4月整整六個月的資料(csv檔)讀取進來，然後我們這裡就把一些不重要的資訊剔除，處理好後我們可以看到我們的資料會顯示成這樣
而在股票分析圖裡面我們知道最重要的兩個東西一個是K線一個是均線，而我們要繪製K線，
紅色代表當天漲、綠色代表當天跌，細線的最高點和最低點分別代表最高價和最低價，粗線的最高點和最低點分別代表開盤價和收盤價。
而這裡我們可以用一個很好用的python套件
mplfinance
只要呼叫裡面其中一個方程式candlestick2_ochl，就可畫出美麗的K線圖。
其語法：
candlestick2_ochl(ax, All_data[‘開盤價’].values, All_data[‘收盤價’].values, All_data[‘最高價’].values, All_data[‘最低價’].values, width=0.6, colorup=”r”, colordown=”g”, alpha=0.75)
最後畫出來的結果為
接著就是畫出我們的均線，其實均線網路上有很多套件也可以下載使用，但是本人覺得均線本身概念很簡單，對於5日均線，就是前4天和今天收盤價的平均，10日均線就是前9天和今天收盤價的平均。所以我們劃出來就會長這樣
那接下來就是進入到用kNN做回歸，這裡我們用的方法，也相同就是選一個點，從訓練資料裡面找k個離他們最近的資料然後取平均值，就是那一個點的預測值。
所以概念上其實和均線還蠻相似的，都是取平均值。
Python Sample Code:
Github:
Reference:
[1] 台灣證券交易所, https://www.twse.com.tw/zh/
[2] Scikit-learn: Machine Learning in Python, Pedregosa et al., JMLR 12, pp. 2825–2830, 2011.
