金融應用中深度多層感知器的特徵選擇效果

我正在嘗試建立一個用於金融價格預測的機器學習系統。我正在使用具有 3 個輸出（買入、持有、賣出）的 3 層 MLP（深度網路）。

我正在使用不同的功能，例如價格和數量。為了考慮過去的行為，我將價格和數量數據連接到一個向量中。向量的第一部分是最後N個回報率，第二部分是最後N個交易量。

這導致輸入向量很大 (>50)。我想知道我得到的不好的結果是否與輸入向量的目前選擇有關。

有什麼幫助嗎？

謝謝！蓋伊

50 個元素的輸入向量實際上是一個很小的向量。例如，在本教程中，輸入向量的大小為 784（參數“nvis”）。所以你的問題出在其他地方。

我建議從Coursera上的這兩門課程開始：

• 機器學習的神經網路
• 機器學習

他們將為您提供一些有關如何處理您的問題的實用指導。

你可以看看這篇論文：Yifeng Li, Chih-Yu Chen, Wyeth W. Wasserman：深度特徵選擇：辨識增強子和促進子的理論和應用。2015 年重組：205-217。通過這種深度特徵選擇模型/深度套索，可以在深度神經網路中選擇輸入特徵。

引用自：https://quant.stackexchange.com/questions/16119