#¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨ #instanciar objetos """ Sobre os dados Estes dados são informações retiradas da BMF Bovespa, o periodo é Intraday,além das informações que formam um candlestick, são associados as colunas, informações de indicadores técnicos. Index(['Hora', 'dif', 'retracao +', 'retracao -', 'RSI', 'M22M44', 'M22M66', 'M66M44', 'ADX', 'ATR', 'Momentum', 'CCI', 'Bears', 'Bulls', 'Stock1', 'Stock2', 'Wilians', 'Std', 'MFI', 'target'], dtype='object') O rótulos são iformações que consideram a tendência do preços, 1: compra, 2: venda e 0:sem operação """ data = Data(nun_days, batch_size) entrada, entrada_trader, base, media, std = data.import_data() labels = Labels() data_labels = labels.index_labels(base, entrada) print('Nome das colunas: ', data_labels.columns) print('Quantidade de cada categória: ', data_labels.target.value_counts()) """ Normalização dos dados A padronização de dados dá aos dados média zero e variação unitária, é uma boa prática, especialmente para algoritmos como KNN, que é baseado na distância dos casos: """ #separando os dados colunas = [ 'Hora', 'dif', 'retracao +', 'retracao -', 'RSI', 'M22M44', 'M22M66', 'M66M44', 'ADX', 'ATR', 'Momentum', 'CCI', 'Bears', 'Bulls', 'Stock1', 'Stock2', 'Wilians', 'Std', 'MFI' ]