原文链接：http://tecdat.cn/?p=24057

本文的目标是使用K-最近邻（K近邻），ARIMA和神经网络模型分析Google股票数据集（查看文末了解数据获取方式）预测Google的未来股价，然后分析各种模型。

视频：K近邻KNN算法原理与R语言结合新冠疫情对股票价格预测

K-最近邻（K近邻）是一种用于回归和分类的监督学习算法。K近邻 试图通过计算测试数据与所有训练点之间的距离来预测测试数据的正确类别。然后选择最接近测试数据的K个点。K近邻算法计算测试数据属于'K'个训练数据的类的概率，并且选择概率最高的类。在回归的情况下，该值是“K”个选定训练点的平均值。

让我们看看下面的例子，以便更好地理解

为什么我们需要 K近邻 算法？

假设有两个类别，A 和B，并且我们有一个新的数据点x1，那么这个数据点将位于这些类别中的哪一个。为了解决这类问题，我们需要一个K近邻算法。借助K近邻，我们可以轻松识别特定数据集的类别。考虑下图：

K近邻 是如何工作的？

K近邻 的工作原理可以根据以下算法进行解释：

• 步骤1：选择邻居的数量K
  
• 步骤2：计算K个邻居的欧几里得距离
  
• 步骤3：根据计算出的欧几里得距离取K个最近邻。
  
• 步骤4：在这k个邻居中，统计每个类别的数据点个数。
  
• 步骤 5：将新数据点分配给邻居数量最大的类别。
  
• 步骤6：我们的模型准备好了。
  

假设我们有一个新的数据点，我们需要把它放在所需的类别中。

首先，我们将选择邻居的数量，因此我们将选择 k=5。

接下来，我们将计算数据点之间的欧几里得距离。欧几里得距离是两点之间的距离，我们已经在几何学中研究过。可以计算为：

通过计算欧几里得距离，我们得到了最近邻，即 A 类中的2个最近邻和 B 类中的3个最近邻。

正如我们所见，3 个最近的邻居来自类别B，因此这个新数据点必须属于类别B。

如何选择 K 值？

Kvalue 表示最近邻的计数。我们必须计算测试点和训练过的标签点之间的距离。每次迭代更新距离度量的计算成本很高，这就是为什么 K近邻 是一种惰性学习算法。

那么如何选择最优的K值呢？

• 没有预先定义的统计方法来找到最有利的 K 值。
  
• 初始化一个随机的 K 值并开始计算。
  
• 选择较小的 K 值会导致决策边界不稳定。
  
• 较大的 K 值更适合分类，因为它可以平滑决策边界。
  
• 得出错误率和 K 之间的图，表示定义范围内的值。然后选择K值作为具有最小错误率。
  

现在您将了解通过实施模型来选择最佳 K 值。

计算距离：

第一步是计算新点和每个训练点之间的距离。计算该距离有多种方法，其中最常见的方法是欧几里得、曼哈顿（用于连续）和汉明距离（用于分类）。

欧几里得距离：欧几里得距离计算为新点 (x) 和现有点 (y) 之间的平方差之和的平方根。

曼哈顿距离：这是实际向量之间的距离，使用它们的绝对差之和。

结合新冠疫情COVID-19对股票价格预测：ARIMA，KNN和神经网络时间序列分析

1.概要

本文的目标是使用各种预测模型分析Google股票数据集（查看文末了解数据获取方式）预测Google的未来股价，然后分析各种模型。

2.简介

预测算法是一种试图根据过去和现在的数据预测未来值的过程。提取并准备此历史数据点，来尝试预测数据集所选变量的未来值。在市场历史期间，一直有一种持续的兴趣试图分析其趋势，行为和随机反应。不断关注在实际发生之前先了解发生了什么，这促使我们继续进行这项研究。我们还将尝试并了解 COVID-19对股票价格的影响。

3.所需包

library(quantmod) R的定量金融建模和交易框架

library(forecast) 预测时间序列和时间序列模型

library(tseries) 时间序列分析和计算金融。

library(timeseries) 'S4'类和金融时间序列的各种工具。

library(readxl) readxl包使你能够轻松地将数据从Excel中取出并输入R中。

library(kableExtra) 显示表格

library(data.table) 大数据的快速聚合

library(DT) 以更好的方式显示数据

library(tsfknn) 进行KNN回归预测

4.数据准备

4.1导入数据

我们使用Quantmod软件包获取了Google股票价格2015年1月1日到2020年4月24日的数据，用于我们的分析。为了分析COVID-19对Google股票价格的影响，我们从quantmod数据包中获取了两组数据。

• 首先将其命名为data\_before\_covid，其中包含截至2020年2月28日的数据。
  
• 第二个名为data\_after\_covid，其中包含截至2020年4月24日的数据。
  

所有分析和模型都将在两个数据集上进行，以分析COVID-19的影响（如果有）。

getSymbols("GOG" fro= "2015-01-01", to = "2019-02-28")
before_covid <-dafae(GOOG)
getSymbols("GOG" , frm = "2015-01-01")
after_covid <- as.tae(GOOG)

4.2数据的图形表示

par(mfrow = c(1,2))
plot.ts(fore_c)

【视频】K近邻KNN算法原理与R语言结合新冠疫情对股票价格预测|数据分享（下）：https://developer.aliyun.com/article/1491731