Прогнозирования вычисляемых логических значений
Вопрос- какая библиотека и какой алгоритм лучше подходит для прогнозирования вычисляемых логических значений? Что лучше использовать Machine или Deep Learning, etc?
Описание задачи для пояснения сути вопросов. 1) За N дней есть данные по стоимости акций AMD в ниже перечисленном формате
Date - дата дня торгов
Open - цена на момент открытия дня
High - максимальная цена внутри дня
Low - минимальная цена внутри дня
Close - цена на момент закрытия дня
Volume - объем торгов внутри дня
OHOL - вычисляемое булевое значение для текущего дня, которое имеет значение true если (High - Open) >= (Open - Low) и значение false в остальных случаях.
На основе имеющихся данных нужно спрогнозировать с вероятностью >80% значение OHOL на следующий день. Для данных приведенных ниже, нужно спрогнозировать значение столбца OHOL (true или false) на 10 февраля.
Источник (https://finance.yahoo.com/quote/AMD/)
Ответы (1 шт):
Как вы думаете, если кто-то умеет предугадывать тенденцию роста акций с точностью 80% он будет сидеть на SO и делиться этими знаниями со всеми желающими, или будет рубить бабки на бирже? :-)
А вот сама ваша задача может быть решена различными методами, относящимися к классу "обучения с учителем". Или - комбинацией этих методов. Если бы мне потребовалось решать подобную задачу (не достижения фантастических 80% вероятности, а просто двухклассовой диагностики) то я бы для начала использовал метод анализа временных рядов, например - многомерную ARIMA модель. Или попробовал бы применить метод деревьев решений (или лучше - случайного леса). Можно было бы попробовать использовать нейросети типа LSTM (кстати - весьма часто используется для различного рода "прогнозирования" именно на финансовых рынках и описаний этих попыток в сети - предостаточно).
Многие реализации методов машинного обучения собраны в библиотеке Skikit-learn, а использования нейросетевых подходов - в Tensorflow. Экспериментируйте.