时间戳

首页 > 解决方案 > 股票预测的特征提取

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？

标签： pythondatasetpredictionfeature-extraction

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