如何使用集成学习方法为时间序列数据构建数据框

Question

我正在尝试预测 t+5 时的比特币价格，即提前 5 分钟，使用截至时间 t 的 11 个技术指标，这些指标都可以从比特币时间的开盘价、最高价、最低价、收盘价和成交量值计算出来系列（见我的完整数据集here）。据我所知，在使用回归树、支持向量机或人工神经网络等算法时，不需要操作数据框，但在使用随机森林 (RF) 和 Boosting 等集成方法时，我听说有必要以某种方式重新排列数据帧，因为集成方法从训练数据中抽取重复的随机样本，在这种情况下，比特币时间序列的序列将被破坏。那么，有没有办法以某种方式重新排列数据帧，使得每次从训练数据中抽取重复样本时，时间序列仍将按时间顺序排列？

向我提供了有关如何构造数据框 here 和可能还有 here 的解释，但不幸的是，我并没有真正理解这些解释，因为我没有看到待构建的数据框，因为我无法识别相关的代码行。因此，如果有人可以向我展示如何使用示例数据框重新排列数据框，我将非常感激。作为示例数据框，您可以考虑使用 r 中的airquality 内置数据框（我认为它包含时间序列数据）、我在上面提供的数据或您认为最好的任何其他数据框。

非常感谢！

Answer 1

ML 算法的重采样没有问题。要捕获（自动）相关性，只需添加具有时间序列滞后值的列。例如。在单变量时间序列 x[t]（其中 t 是以分钟为单位的时间）的情况下，您可以添加具有滞后值的 x[t - 1]、x[t - 2]、...、x[t - n] 列。您添加更多历史记录的更多滞后将计入模型训练。

您可以在此处找到一些非常基本的工作示例：Prediction using neural networks

更高级的 Keras 员工在这里：Time series prediction using RNN

但是，仅供参考，Chollet 先生和 Allaire 先生在上述文章中的特别信息，）：

注意：市场和机器学习

有些读者一定想采用我们介绍的技术 在这里尝试他们预测未来价格的问题 股票市场上的证券（或货币汇率等 在）。市场具有非常不同的统计特征 自然现象，例如天气模式。尝试使用机器 学习打败市场，当你只能公开访问 可用的数据，是一项艰巨的工作，您可能会浪费 你的时间和资源没有什么可显示的。

永远记住，当谈到市场时，过去的表现并不是 一个很好的未来回报预测器——看后视镜 是一种不好的驾驶方式。另一方面，机器学习是 适用于过去可以很好预测的数据集 未来。