make_blobs数据集与个股数据集分类上的思考

1.对于《python机器学习基础教程》的调用各类函数，库之前，一定要先对原案例进行分析，这样子做最主要就是喂数据给函数，库的数据类型是什么要搞清楚，之前一直用dataframe，闹出不少笑话，还有要通过打印这些数据集，查看这些sklearn等库对于数据的适用范围大小。

同时应当指出的是make_blobs数据集只有100个,数据容纳度比较小，至少从目前来看，机器学习基础教程这本书到这里运用的数据集都比较小，但是适用，采用的特征都比较多，这反而却是在分析股票过程中所缺少的。

2.make_blobs的数据集中的random_state不是太懂

3.由于make_blobs数据集对应的特征值y有明显的距离，所以在区分的过程中有明显的分类效果。

3.1这是书本的效果

3.2这个是通过600006中，通过df.corr()，找出数据关联度高的数据集，选择了vol，money,通过对于大于3，小于0以及在此区间的涨跌幅进行特征标识中显示出来的效果，结果非常不明显。

这里就要思考几个问题：

如果将行情也就是涨幅进行了特征处理，那么对于vol，money也就意味着，vol，money可能存在缩量对应涨跌平的情况，放量对应涨跌平的情况，平量对应涨跌停的情况。也就是说，vol，money的距离不明显划分的情况下，很容易使得对应特征上出现交叉，从而无法完成分类。

因此，对于这种情况，还需要对vol,money进行进一步的分类和特征处理.