【问题标题】:feature selection for time series data like stock market [closed]股票市场等时间序列数据的特征选择[关闭]
【发布时间】:2014-05-30 23:28:38
【问题描述】:

我是数据挖掘的新手,我只想知道哪种特征选择最容易且最适合时间序列数据。 因为我的项目是份额市场预测......这些是可用的以下参数,我必须选择最好的 5 个功能来构建我的模型。谁能帮我使用哪一个以及如何做.. 可用的功能是 符号,系列,日期,上一个收盘价,开盘价,最高价,最低价,最后价,收盘价,平均价格,总成交量,成交量,交割数量,% 交割数量到交易数量

您可以在此链接中查看这些功能

click on it to see the data in nse website to know how data represents

【问题讨论】:

  • 那么...你想预测股市?除非你不知道怎么做,而且你认为 Stack Overflow 上的某个人会这样做,并且会与你分享这个秘密?我建议您阅读有关什么构成适当问题的指南

标签: machine-learning data-mining feature-extraction feature-selection


【解决方案1】:

在这里我不会做你的家庭作业来选择特征(属性),但我可以帮助你,以便你也可以选择特征:-
您可以使用Minimum-redundancy-maximum-relevance。
通过选择那些重复性较低并与输出具有高度相关性的特征来做到这一点。您必须谷歌以获取有关 mRMR 算法的更多信息。

【讨论】:

  • 感谢您的回复,我使用 ReliefF 特征选择技术完成了它,它工作正常..
  • 你能以 3 个特征/参数为例,告诉我 rbf 核函数在 svm 中是如何工作的吗?
  • @user2792746 抱歉,我不知道!!
猜你喜欢
  • 1970-01-01
  • 2012-05-22
  • 2014-10-09
  • 2017-11-28
  • 2013-01-04
  • 2012-03-09
  • 2010-10-18
  • 1970-01-01
  • 1970-01-01
相关资源
最近更新 更多