python - 股票预测的特征提取
问题描述
我每天都有 20 个股票价值的数据集 - 60 天前。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。有任何想法吗?
解决方案
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。
无监督的特征选择方法:
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
低密度脂蛋白
非负矩阵分解
SPEC 系列 - 标准化切割、任意聚类、固定聚类
稀疏聚类 - 套索
局部特征选择——LFSBSS算法
多集群特征选择
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
推荐阅读
- django - Need to create required foreign key pointing to User, Django model
- python - 比较熊猫中groupby中的列值
- anylogic - 为什么这个变量返回负值?
- mysql - MySQL Workbench 报告“对于此服务器版本,选择在此位置无效,需要 FOR,LOCK,TABLE,VALUES,With,'('"
- python - 比较 Pandas Dataframe 中的 2 个值
- javascript - 如何在我的网站上放置具有不同声音的各种按钮?
- java - 减法数据滞后 - 循环算法
- firebase - 如何显示表单取决于 Firebase 上孩子的状态?
- c# - 有没有办法使用 Azure Devops 在一个解决方案中引用多个项目?
- google-bigquery - 授权视图与行级安全性与完全隔离