[英]feature extraction for stock prediction
我每天都有 20 個股票價值的數據集 - 60 天前。 這些股票會影響我想要預測的股票 x,我也得到了股票 x 的值。 我想創建一個 model 來預測股票 x 並使用 10 個交叉驗證對其進行測試。 我正在尋找要從數據中提取的特征以創建 model。 有任何想法嗎?
我建議您使用以下方法進行特征選擇,以制作高效的 model。 我不能說哪個是最好的,因為它在很大程度上取決於數據集。 如果您嘗試一下,您可以在互聯網上輕松找到實現、文獻、示例等。 此外,模型的選擇可能會有所不同,因為您沒有提到您是嘗試監督方案還是無監督方案。
無監督的特征選擇方法:
拉普拉斯分數特征選擇
光譜特征選擇
GLSPFS 特征選擇
JELSR 特征選擇
主成分分析
低密度脂蛋白
非負矩陣分解
SPEC 系列 - 標准化切割、任意聚類、固定聚類
稀疏聚類 - 套索
局部特征選擇——LFSBSS算法
多集群特征選擇
加權 K 均值
但是,如果您只對特征工程更感興趣,那么此庫的 go: https://github.com/blue-yonder/tsfresh
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.