war3gu的博客

70%训练，15%验证，15%测试 利用 cross validation ，寻找合适的超参数 使用遗传算法选择合适的输入特征，定义fitness函数，选择R2最大的属性 随机森林定义大量的决策树进行决策 adaboost利用大量的子分类器，对子分类器分配权重，对训练数据分配权重，分类错误的数据得到更大的权重，组合成一个更强的分类器 riage是L2，参数空间是圆形，lasso是L1，参数空间是矩...

大盘股被单股力量操纵的可能性比较低，所以选大盘股. 100个交易日为1组，每隔25个交易日，选一组。如果一只股票交易20年，大概可以选得200组。搞50只大盘股，那么就有10k的数据可以使用。 数据格式是100个连续交易日的涨跌幅度，卷积核是1*5的矩阵，输出是后面3个交易日的涨跌+总涨幅是否超过5%，如果后面3个交易日的全涨并且总涨幅超过5%，就是1111,如果总涨幅没有超过5%，就是1110....