首先，我使用pandas库读取训练集和测试集的数据，并对空值进行处理。接下来，我合并了训练集和测试集的数据，并将日期列转换为日期时间类型，并按日期排序。然后，我使用matplotlib.pyplot库绘制了每列数据关于日期的折线图，分别展示了开盘价、最高价、最低价、收盘价和成交量。接着，我提取了训练集和测试集的特征和目标变量，并创建了一个线性回归模型。
我使用训练集数据对模型进行训练，并在测试集上进行预测。然后，我计算了预测结果的均方误差（MSE）、平均绝对误差（MAE）和判定系数（R2）。接下来，我生成了预测结果文件，并保存为CSV格式。最后，我使用matplotlib.pyplot库绘制了预测结果与测试集数据的对比折线图，分别展示了开盘价、最高价、最低价、收盘价和成交量。
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score
# 读取训练集和测试集数据
train_data = pd.read_csv('zgpa_train.csv')
test_data = pd.read_csv('zgpa_test.csv')
# 处理空值
train_data = train_data.dropna()
test_data = test_data.dropna()
# 合并训练集和测试集数据
all_data = pd.concat([train_data, test_data])
# 将日期列转换为日期时间类型
all_data['date'] = pd.to_datetime(all_data['date'])
# 按日期排序数据
all_data = all_data.sort_values(by='date')
# 获取数据列名称
columns = ['open', 'high', 'low', 'close', 'volume']
# 逐列生成折线图
for column in columns:
plt.figure() # 创建新的图表
plt.plot(all_data['date'], all_data[column]) # 绘制折线图
# 设置图例和标题
plt.legend([column.capitalize()])
plt.title('Stock Data: {}'.format(column.capitalize()))
plt.xlabel('Date')
plt.ylabel('Value')
# 显示图形
plt.show()
# 提取特征和目标变量
train_features = train_data[['open', 'high', 'low', 'volume']]
train_target = train_data['close']
test_features = test_data[['open', 'high', 'low', 'volume']]
test_target = test_data['close']
# 创建线性回归模型
model = LinearRegression()
# 在训练集上训练模型
model.fit(train_features, train_target)
# 在测试集上进行预测
predictions = model.predict(test_features)
# 计算均方误差
mse = mean_squared_error(test_target, predictions)
print('均方误差(MSE)：{:.2f}'.format(mse))
# 计算平均绝对误差
mae = mean_absolute_error(test_target, predictions)
print('平均绝对误差(MAE)：{:.2f}'.format(mae))
# 计算判定系数
r2 = r2_score(test_target, predictions)
print('判定系数(R2)：{:.2f}'.format(r2))
# 生成预测结果文件
result_df = pd.DataFrame({'date': test_data['date'],
'open': ['{:.2f}'.format(x) for x in predictions],
'high': ['{:.2f}'.format(x) for x in predictions],
'low': ['{:.2f}'.format(x) for x in predictions],
'close': ['{:.2f}'.format(x) for x in predictions],
'volume': ['{:.0f}'.format(x) for x in test_data['volume']]})
result_df.to_csv('项目一submit董昊晨.csv', index=False)
# 读取测试集数据
test_data = pd.read_csv('zgpa_test.csv')
# 将日期列转换为日期时间类型
test_data['date'] = pd.to_datetime(test_data['date'])
# 按日期排序测试集数据
test_data = test_data.sort_values(by='date')
# 读取预测结果数据
prediction_data = pd.read_csv('项目一submit姓名.csv')
# 将日期列转换为日期时间类型
prediction_data['date'] = pd.to_datetime(prediction_data['date'])
# 按日期排序预测结果数据
prediction_data = prediction_data.sort_values(by='date')
# 获取数据列名称
columns = ['open', 'high', 'low', 'close', 'volume']
# 绘制折线图
for column in columns:
plt.figure() # 创建新的图表
# 绘制测试集数据折线图
plt.plot(test_data['date'], test_data[column], label='Test Data')
# 绘制预测结果数据折线图
plt.plot(prediction_data['date'], prediction_data[column], label='Prediction')
# 设置图例和标题
plt.legend()
plt.title('Comparison: {} - Test Data vs Prediction'.format(column.capitalize()))
plt.xlabel('Date')
plt.ylabel('Value')
# 显示图形
plt.show()动态分析技术中最重要的工具是调试器，分为用户模式和内核模式两种类型。
用户模式调试器： 用来调试用户模式应用程序的调试器，工作在Ring3级，例如OllyDbg、x64dbg。也存在有VisualC++等编译器自带的调试器。
内核模式调试器： 能调试操作系统内核的调试器，例如WinDbg。
OllyDbg
简称OD，用户级调试器。OD是一款十分强大的32位调试器，虽然作者早已停止更新，但作为学习工具还是可以的。实践中建议使用x64dbg的32位版本。
64位平台可以使用x64dbg、IDA Pro等
操作窗口
配置
ollydbg.ini： OD中Options菜单里的所有设置，保存在ollydbg.ini中
UDD文件： OD的工程文件，用于保存当前调试的一些状态，例如断点、注释等，以便下次调试时继续使用。
插件： OD支持插件，并提供了相关api。这使得其扩展性非常好。
调试设置
单击“Options” —“Debugsingoplions” 选项，打开调试设置选项对话框，一般保持默认即可。其中，“Exceptions” (异常)选项用于设置让OllyDbg 忽路或不忽略某些异常，建议全部选择。 有关异常的知识将在第8 章讲解。
加载符号文件
点击“Debug”- "Seleet importlibraries” 选项，打开导入库窗口进行加载。符号文件可以在调试过程中，让函数以函数名字表示。比如存在一个函数叫“abc”,但是在调试器中很可能是一串数字”004012f7“，而符号文件就能让它显示为”abc“。
基本操作
常见快捷键：
断点
常用断点有：INT3断点、硬件断点、消息断点。
INT3断点
当你使用bp命令或者按下F2时，所设的断点为INT3断点。原理是把下断点的地方的指令换成CC指令来引发异常，调试器捕获异常后中断，并把原指令还原。例如：
复制代码 隐藏代码
004011F3 68 D0404000
｜｜｜｜｜｜｜｜｜｜｜｜
004011F3 CC D0404000
优点： 可以设置无数个INT3断点，只要电脑受得住。
缺点： 由于修改了程序，所以易被检测
硬件断点
设断方法是在指定的代码行单击右键，执行快捷菜单中的“Breakpoint” 一 "Hardware,on execution”(“断点〞一，“硬件执行”)命令(也可以在命令行中设置“HE地址”)
最多可以设置四个硬件断点。
其中DR0、DR1、DR2、DR3可以设定地址，用来断下，DR7用来控制状态。
原理： 设置好断点后，运行到改地址时，CPU会向调试器发送异常，调试器捕获后中断。
优点： 执行速度快，不易被检测
缺点： 只能设置四个