Imagine you have just started a new data science project. The goal is to build a model predicting Y, the target variable. You have already received some data from the stakeholders/data engineers, did a thorough EDA, and selected some variables you believe are relevant for the problem at hand. Then you finally built your first model. The score...
价格越过任何一条线（以及触发指标信号）的概率取决于一天中的时间和一周中的哪一天。
有必要在 NN 和 DL 上添加周期时间。最简单的方法是正弦波。依赖关系是非线性的，因此只需将其平方，并考虑符号。还有两个额外的输入负责时间参考。午夜/正午在任何地方都是不同的，因此最好提前计算并给出相位。这就是模型与现实世界及其时间的联系。
如果没有明确给出这两个时间点，那么在我看来，要么你会得到一个南瓜，要么整个模型会自己尝试获取并输出它们。
或者您也可以只输入日号和时号。没有区别。它们同样好记。
别忘了加上实时时间......否则你就会和其他人一样:-)
a la 2 pcs：y=abs(sin(x))*sin(x) ；频率为 1 天和 1 周；相移最好提前计算出来
因为指标和直线交叉的概率取决于它们。
顺便说一句，傅里叶在这里是有害的、令人讨厌的：-)
不好的方法是，最好使用Van Hot 编码或 径向函数。
它不会增加或减少任何东西。
至少我是这么做的。
这是因为由于异方差性（波动性），任何振荡符号在不同时间的波动都不同，这就是为什么它们已经被考虑在内了。
https://developer.nvidia.com/blog/three-approaches-to-encoding-time-information-as-features-for-ml-models/
正弦和余弦必须以 2 帧的形式提供。否则，0,5 和 dr 每转一圈将出现 2 次，就像 2 个相同的时间...... 或者您也可以只提供日数和时数。没有区别。它们同样好记。
天数/小时数看起来也不好--会定期出现一个很大的 23-0 "间隙"。
那么，为了避免重复，可以添加另一个符号，如 "正午前/正午后"（正弦波导数的符号），然后让 sin^2 对时间进行计时（同时对信号进行缩放）。
或者像同名人建议的那样。在我看来，这是过度的。
(在大的 TF 上，周期是假象，但在小的日/周上，周期就是存在的，它们不能被丢弃或不被考虑，它们是 "载体"）。
0）是的，我是......）
市场没有精确性。
只有有误差的概率）。
日数/小时数看起来也不乐观--周期性地会出现很大的 "差距 "23-0
那么，为了避免重复，可以添加另一个符号，如 "正午前/正午后"（正弦波导数的符号），然后让 sin^2 对时间进行计时（同时对信号进行缩放）。
或者像同名人建议的那样。我认为过度了。
(在大的 TF 上，周期是假象，但在小的日/周上，周期就是存在的，它们不能被丢弃或不被考虑，它们是 "载体"）。
正弦的平方是每转 0.5 的 4 倍。
见上文（全部），我说的是 "考虑到符号" - sin(x)*abs(sin(x)).
见上文（全部），我说的是 "考虑到符号" - sin(x)*abs(sin(x))
"这是一个很大的特点）。
画出你的发明的图形。市场没有精确性。
只有概率，也有误差）。
你不明白我在说什么...
1. 存在维度诅咒和组合爆炸的问题，但这在理论上是可以解决的，有利于 精确性 ...
请阅读维度诅咒和组合爆炸是什么，维基会有所帮助...
从准确性 角度看，这是可以解决的。 - 这意味着你可以处理上述问题，但准确性会受到影响，也就是说，这只是解的近似值，而不是解。
再简单点说，假设你有 10,000 个特征，要找到所有特征的模式需要很长时间，而且有很多组合（维度诅咒）。
你可以将这10,000 个特征的维度降低到 2-5 个，但会损失 准确性，但你可以利用它。
现在，我希望大家都清楚我们在谈论什么样的准确性了吧？
"伟大 "的功能）
把你的发明画成图表。是这样的......如果你不使用 NN、DL，它就是这样交易的。
有什么熟悉的地方吗？
事实上......如果你不去 NN、DL，它就是这样交易的。
你看到什么熟悉的东西了吗？
2次，每回合0.5。))))))