Ejemplo Random Forest#

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report, confusion_matrix
import yfinance as yf

Descargar precios del Futuro ES:#

# Descargar datos históricos del futuro del índice S&P 500 (ES)
ticker = "ES=F"
data = yf.download(ticker, start="2020-01-01", end="2024-06-30", interval="1d")

# Graficar el precio de cierre
plt.figure(figsize=(14, 7))
plt.plot(data["Close"], label="Precio de Cierre")
plt.title("Precio de Cierre del Futuro del Índice S&P 500 (ES)")
plt.xlabel("Fecha")
plt.ylabel("Precio de Cierre")
plt.legend()
plt.show()

[*******************100%*********************]  1 of 1 completed

Creación de las características:#

# Crear características adicionales
data["PriceChange"] = data["Close"].shift(-1) - data["Close"]
data["Label"] = np.where(data["PriceChange"] > 0, 1, 0)
data["DailyPctChange"] = ((data["Close"] - data["Open"]) / data["Open"]) * 100
data["Range"] = data["High"] - data["Low"]
data["Volatility"] = (data["High"] - data["Low"]) / data["Close"]

# Seleccionar características y etiqueta
features = [
    "Open",
    "High",
    "Low",
    "Close",
    "Volume",
    "Volatility",
    "DailyPctChange",
    "Range",
]
X = data[features]
y = data["Label"]

print("Cantidad precios positivos y negativos:\n", data["Label"].value_counts())
print(X.head())

Cantidad precios positivos y negativos:
 1    602
0    529
Name: Label, dtype: int64
               Open     High      Low    Close   Volume  Volatility  Date
2020-01-02  3237.00  3261.75  3234.25  3259.00  1416241    0.008438
2020-01-03  3261.00  3263.50  3206.75  3235.50  1755057    0.017540
2020-01-06  3220.25  3249.50  3208.75  3243.50  1502748    0.012564
2020-01-07  3243.50  3254.50  3226.00  3235.25  1293494    0.008809
2020-01-08  3231.75  3267.75  3181.00  3260.25  2279138    0.026608

            DailyPctChange  Range
Date
2020-01-02        0.679642  27.50
2020-01-03       -0.781969  56.75
2020-01-06        0.721994  40.75
2020-01-07       -0.254355  28.50
2020-01-08        0.881875  86.75

Random Forest:#

Configuración del modelo Random Forest:

n_estimators: Define el número de árboles en el bosque. Más árboles generalmente mejoran la precisión, pero también aumentan el tiempo de entrenamiento.
max_depth: Controla la profundidad máxima de cada árbol, limitando la complejidad del modelo para evitar el sobreajuste.
max_features: Especifica el número máximo de características a considerar al buscar la mejor división. sqrt (max_features=sqrt(n_features)) es una elección común que promueve la diversidad de los árboles.

Por defecto min_samples_split=2, min_samples_leaf=1.

# Dividir el conjunto de datos en entrenamiento y prueba
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, random_state=34
)

# Crear un clasificador de Random Forest
rf_clf = RandomForestClassifier(
    n_estimators=100,  # Número de árboles en el bosque
    max_depth=3,  # Profundidad máxima de cada árbol
    max_features="sqrt",  # Número máximo de características consideradas para dividir un nodo
    random_state=34,  # Semilla aleatoria para reproducibilidad
    n_jobs=-1,  # Usar todos los núcleos de CPU disponibles para acelerar el entrenamiento
)

# Entrenar el clasificador de Random Forest
rf_clf.fit(X_train, y_train)

# Realizar predicciones
y_pred = rf_clf.predict(X_test)

Evaluación del modelo:#

# Calcular las métricas de evaluación
conf_matrix = confusion_matrix(y_test, y_pred)
class_report = classification_report(y_test, y_pred)

# Mostrar las métricas de evaluación
print("Classification Report:\n", class_report)

# Crear un mapa de calor para la matriz de confusión con etiquetas
plt.figure(figsize=(8, 6))
sns.heatmap(
    conf_matrix,
    annot=True,
    fmt="d",
    cmap="Blues",
    xticklabels=["Predicho 0", "Predicho 1"],
    yticklabels=["Real 0", "Real 1"],
)
plt.xlabel("Etiqueta Predicha")
plt.ylabel("Etiqueta Real")
plt.title("Matriz de Confusión")
plt.show()

Classification Report:
               precision    recall  f1-score   support

           0       0.47      0.19      0.27       154
           1       0.55      0.82      0.66       186

    accuracy                           0.54       340
   macro avg       0.51      0.51      0.46       340
weighted avg       0.51      0.54      0.48       340

Importancia de las características:#

Se calcula y muestra la importancia de cada característica, lo que ayuda a entender cuáles son las características más influyentes para el modelo.

# Obtener la importancia de las características
importances = rf_clf.feature_importances_
feature_names = features
for feature, importance in zip(feature_names, importances):
    print(f"Importancia de {feature}: {importance:.2f}")

Importancia de Open: 0.12
Importancia de High: 0.08
Importancia de Low: 0.10
Importancia de Close: 0.11
Importancia de Volume: 0.18
Importancia de Volatility: 0.10
Importancia de DailyPctChange: 0.20
Importancia de Range: 0.11

¿Cómo se calcula la importancia de las características?#

En un Random Forest, la importancia de una característica se calcula de la siguiente manera:

1. Impureza de nodo:

Cada nodo de un árbol de decisión tiene una impureza que puede ser medida usando métricas como el índice de Gini o la entropía. La impureza refleja cuán mezcladas están las clases dentro del nodo.

2. Reducción de impureza:

Cuando una característica es utilizada para dividir un nodo, la impureza de ese nodo disminuye. La reducción de impureza es la diferencia entre la impureza del nodo antes de la división y la suma de las impurezas de los nodos hijos.

3. Agregación a través de Árboles:

En un Random Forest, la importancia de cada característica se calcula sumando las reducciones de impureza para esa característica en todos los nodos y en todos los árboles donde se utilizó.

4. Normalización:

Las importancias se normalizan dividiendo entre la suma total de todas las importancias, de modo que el total de las importancias sume 1.

Ejemplo Random Forest

Contents