处理过多的零
Deal with excessive number of zeros
ipdb> np.count_nonzero(test==0) / len(ytrue) * 100
76.44815766923736
我有一个计算 24000
价格的数据文件,我将它们用于时间序列预测问题。我没有尝试预测价格,而是尝试预测 log-return,即 log(P_t/P_P{t-1})
。我已将 log-return 应用于价格以及所有功能。预测还不错,但趋势预测往往为零。正如您在上面看到的,~76%
的数据是零。
现在的想法大概是"look up for a zero-inflated estimator : first predict whether it's gonna be a zero; if not, predict the value"。
具体来说,处理过多零的完美方法是什么?零膨胀估算器如何帮助我解决这个问题?请注意,我最初不是概率论者。
P.S. 我正在尝试预测 log-return,其中单位为 "seconds" 用于高频交易研究.注意是回归问题(不是分类问题)
更新
那张图片可能是我对日志的最佳预测-return,即 log(P_t/P_{t-1})
。虽然还不错,但剩下的预测往往预测为零。正如您在上面的问题中看到的那样,零太多了。我在功能内部可能也有同样的问题,因为我也在功能上使用 log-return,即如果 F
是一个特定的功能,那么我应用 log(F_t/F_{t-1})
.
这是一天的数据,log_return_with_features.pkl,形状为 (23369, 30, 161)
。对不起,但我不知道有什么特点。当我在所有特征和目标(即价格)上应用 log(F_t/F_{t-1}) 时,请注意我在应用 log-[=44 之前向所有特征添加了 1e-8 =] 操作以避免除以 0.
好的,从你的情节来看:这是数据的性质,价格并没有经常变化。
尝试对您的原始数据进行一些子采样(也许是 5 倍,只需查看数据),这样您通常会看到每个时间点的价格变动。这应该会使任何建模变得更容易 MUCH。
对于子采样:我建议您在时域中进行简单的常规下采样。因此,如果您有第二个分辨率的价格数据(即每秒一个价格标签),那么只需取每五个数据点。然后像往常一样继续,具体来说,根据这个二次抽样数据计算价格的对数增长。请记住,无论您做什么,都必须在测试时间内可重现。
如果出于某种原因这不是您的选择,请查看可以处理多个时间尺度的东西,例如WaveNet or Clockwork RNN.
ipdb> np.count_nonzero(test==0) / len(ytrue) * 100
76.44815766923736
我有一个计算 24000
价格的数据文件,我将它们用于时间序列预测问题。我没有尝试预测价格,而是尝试预测 log-return,即 log(P_t/P_P{t-1})
。我已将 log-return 应用于价格以及所有功能。预测还不错,但趋势预测往往为零。正如您在上面看到的,~76%
的数据是零。
现在的想法大概是"look up for a zero-inflated estimator : first predict whether it's gonna be a zero; if not, predict the value"。
具体来说,处理过多零的完美方法是什么?零膨胀估算器如何帮助我解决这个问题?请注意,我最初不是概率论者。
P.S. 我正在尝试预测 log-return,其中单位为 "seconds" 用于高频交易研究.注意是回归问题(不是分类问题)
更新
那张图片可能是我对日志的最佳预测-return,即 log(P_t/P_{t-1})
。虽然还不错,但剩下的预测往往预测为零。正如您在上面的问题中看到的那样,零太多了。我在功能内部可能也有同样的问题,因为我也在功能上使用 log-return,即如果 F
是一个特定的功能,那么我应用 log(F_t/F_{t-1})
.
这是一天的数据,log_return_with_features.pkl,形状为 (23369, 30, 161)
。对不起,但我不知道有什么特点。当我在所有特征和目标(即价格)上应用 log(F_t/F_{t-1}) 时,请注意我在应用 log-[=44 之前向所有特征添加了 1e-8 =] 操作以避免除以 0.
好的,从你的情节来看:这是数据的性质,价格并没有经常变化。
尝试对您的原始数据进行一些子采样(也许是 5 倍,只需查看数据),这样您通常会看到每个时间点的价格变动。这应该会使任何建模变得更容易 MUCH。
对于子采样:我建议您在时域中进行简单的常规下采样。因此,如果您有第二个分辨率的价格数据(即每秒一个价格标签),那么只需取每五个数据点。然后像往常一样继续,具体来说,根据这个二次抽样数据计算价格的对数增长。请记住,无论您做什么,都必须在测试时间内可重现。
如果出于某种原因这不是您的选择,请查看可以处理多个时间尺度的东西,例如WaveNet or Clockwork RNN.