作为一项学习练习，我计划实施一种机器学习算法（可能是神经网络）来预测用户根据买入，卖出和交易时间获得的交易股票 . 数据集下面是我制定的测试数据 .
首字母缩略词：
tab=millisecond time apple bought
asb=apple shares bought
tas=millisecond apple sold
ass=apple shares sold
tgb=millisecond time google bought
gsb=google shares bought
tgs=millisecond google sold
gss=google shares sold
培训数据：
username,tab,asb,tas,ass,tgb,gsb,tgs,gss
a,234234,212,456789,412,234894,42,459289,0
b,234634,24,426789,2,234274,3,458189,22
c,239234,12,156489,67,271274,782,459120,3
d,234334,32,346789,90,234254,2,454919,2
分类：
a earned $45
b earned $60
c earned ?
d earned ?
目标：根据培训数据预测用户c＆d的收入
我应该在这个数据集中添加任何数据点吗？我应该使用替代数据？因为这只是我自己创作的学习练习，所以可以添加任何可能有用的功能 .
这些数据需要标准化，还有其他我应该注意的概念吗？也许不应该将时间用作特征参数，因为共享可以根据时间上下跳动 .
5 回答
您可能希望按以下顺序解决问题：
预测个别股票's future value based on all stock'的历史数据 .
预测股票组合' total future value based on a portfolio and all stocks'历史数据 .
管理投资组合的买卖短期策略 . （何时以及以何种方式买入/卖出哪些股票）
如果你能做到1）特定股票，可能它是2）的一个很好的起点 . 3）可能是你的目标，但我把它放在最后，因为它更复杂 .
我会在下面做一些假设，并专注于如何解决1）希望 . :)
我假设在每个时间戳，你有一个所有可能的功能的向量，例如：
公司A的股票价格（这是目标 Value ）
其他公司B，C，...，Z的股票价格（其他公司可能直接或间接影响公司A）
52周最低价A，B，C，...，Z（长期特征开始）
52周最高价A，B，C，......，Z
月，A，B，C，......，Z的最高/最低价格
每周最高/最低价格A，B，C，...，Z（短期特征开始）
每日最高/最低价格A，B，C，...，Z
是A，B，C，...，Z的收入报告日（真正重要的功能开始）
A，B，C，...，Z的收入变化
A，B，C，...，Z的利润变化
来自A，...，Z社交网络的公司简介的语义得分
......（想象力有帮助）
我假设你在每个固定的时间间隔都有几乎所有的上述功能 .
我认为类似lstm的神经网络在这里非常重要 .
不要将用户名与培训数据一起使用 - 网络可能会在用户名和$赚取之间 Build 关联 . 包括它将考虑用户输出决策，而排除它确保网络将能够预测任意用户的$赚取 .
使用您建议的参数似乎无法预测收益 .
主要原因是输入参数与输出值无关 .
您输入的值与自身相矛盾 - 考虑这种情况，对于相同的输入，您可能会期望不同的输出值吗？如果是这样，您将无法预测此输入的任何输出 . 让我们走得更远，交易者的收益不仅取决于买卖股票的份额，还取决于每个买入/卖出的股票的价格 . 当我们向神经网络提供两个等于输入但需要不同输出时，这将带来我们的问题 .
在这种情况下如何定义“好”参数来预测所需的输出？我建议首先寻找进行此类估算的人，然后尝试定义他们考虑的参数列表 . 如果你成功，你将得到一个巨大的变量列表 . 然后你可以尝试使用神经网络构建一些模型 .
除了规范化，你还需要扩展 . 我给你的另一个问题是股票分类 . 在您的示例中，您提供的Google和Apple被视为blue-chipped股票 . 我想澄清一下，你想预测只为谷歌和苹果赚钱或预测两种股票的任何组合？
如果您只想为谷歌和苹果进行预测并提供您拥有的数据，那么您只能应用规范化和缩放与某种recurrent neural network . 循环NN在预测任务方面更好，然后使用反向传播训练的简单前馈模型 .
但是如果你想将你的训练算法应用到更多谷歌和苹果，我建议你按照一些标准将你的训练数据分成几组 . 划分的一个例子可以是根据股票的资本化 . 如果你想进行大写分割，你可以组成五组（例如） . 如果您决定制作五组股票，您也可以应用等边编码以减少NN学习的维数 .
您可以想到的另一种分组可以是股票的操作区域 . 例如农业，技术，医疗，高端旅游团体 . 假设您决定按照提及的方式进行分组（我的意思是农业，科技，医疗，高端，旅游） . 然后五个组将为NN输入五个条目输入层（所谓的thermometer encoding） .
让我们说你想养活农业股票 .
然后输入将如下所示：1,0,0,0,0，x1，x2，....，xn
其中x1，x2，....，xn - 是其他条目 . 或者如果你应用等边编码，那么你将减少一个维度（我懒得描述它的样子） .
然而，转换神经网络条目的另一个想法可能是温度计编码 .
还有一个想法要记住，因为通常人们会在交易股票时放松，因此您的数据集会有偏差 . 我的意思是如果你只是随机选择10个交易者，他们都可能是输家，你的数据集将不具有完全的代表性 . 因此，为了避免数据偏差，您应该拥有足够大的交易者数据集 .
还有一个细节，你不需要传入NN用户ID，因为NN然后学习特定用户的交易风格，并用它进行预测 .
在我看来，维度不仅仅是数据点 . 但是，您的观察可能是在线性子空间中，您只需要计算上面显示的矩阵的内核 .
如果内核的维度大于数据点的数量，那么您不需要添加更多数据点 .
现在还有另外一件事要看 . 您应该检查分类器的VC维度，不要向数据集添加太多的点 . 但无论如何，在这个例子中，这主要是理论上的，我只是在开玩笑 .