【问题标题】:feature extraction for stock prediction股票预测的特征提取
【发布时间】:2020-07-29 12:54:27
【问题描述】:

我得到了一个包含 60 天前每天 20 个股票价值的数据集。这些股票会影响我想要预测的股票 x,我也得到了股票 x 的值。我想创建一个模型来预测股票 x 并使用 10 次交叉验证对其进行测试。 我正在寻找要从数据中提取的特征以创建模型。 有什么想法吗?

【问题讨论】:

  • 欢迎来到 Stack Overflow。提问时尽量具体,here 是一个指南。

标签: python dataset prediction feature-extraction


【解决方案1】:

我建议您使用以下方法进行特征选择以制作高效的模型。我不能说哪个是最好的,因为它在很大程度上取决于数据集。如果您尝试一下,您可以在互联网上轻松找到实现、文献、示例等。 此外,模型的选择可能会有所不同,因为您没有提到您是尝试监督方案还是无监督方案。

用于特征选择的无监督方法:

  • 拉普拉斯分数特征选择

  • 光谱特征选择

  • GLSPFS 特征选择

  • JELSR 特征选择

  • 主成分分析

  • LDA

  • 非负矩阵分解

  • SPEC 系列 - 归一化切割、ArbitraryClustering、FixedClustering

  • 稀疏聚类 - 套索

  • 局部特征选择——LFSBSS算法

  • 多聚类特征选择

  • 加权 K 均值

但是,如果您只对特征工程更感兴趣,那么请使用这个库: https://github.com/blue-yonder/tsfresh

【讨论】:

  • 0 我的意思是我将在模型中插入哪个特征例如 STD 或 Variance 可能可以用任何模型预测股票 x?
猜你喜欢
  • 2019-05-28
  • 2020-08-26
  • 2020-05-15
  • 1970-01-01
  • 2016-05-30
  • 1970-01-01
  • 2019-04-19
  • 1970-01-01
  • 2019-03-17
相关资源
最近更新 更多