Algorithm 适用于多条件变量的机器学习算法?
我正在研究经济数据,解释有关经济周期的行业行为。对于每个行业,我都有30个独立的因素。我的变量是每周股票收益率。这些因素包括:Algorithm 适用于多条件变量的机器学习算法?,algorithm,machine-learning,neural-network,binary-tree,Algorithm,Machine Learning,Neural Network,Binary Tree,我正在研究经济数据,解释有关经济周期的行业行为。对于每个行业,我都有30个独立的因素。我的变量是每周股票收益率。这些因素包括: 其中一些与Y相关,并且善于解释Y的短期噪声。因此,它们在线性模型中表现良好 一些在特定时期具有很好的显著性,因此,例如,当我通过卡尔曼滤波估计进行动态估计时,它们在某些月份或年份具有显著性 最后,当使用成对条件作用或甚至三重条件作用时,一些在样本中似乎是有效的。(例如,当x1为正,x2为负时,Y为显著负,但在任何其他情况下均不显著) 我在以一种健壮的方式对最后一种类
- 其中一些与Y相关,并且善于解释Y的短期噪声。因此,它们在线性模型中表现良好李>
- 一些在特定时期具有很好的显著性,因此,例如,当我通过卡尔曼滤波估计进行动态估计时,它们在某些月份或年份具有显著性李>
- 最后,当使用成对条件作用或甚至三重条件作用时,一些在样本中似乎是有效的。(例如,当x1为正,x2为负时,Y为显著负,但在任何其他情况下均不显著)
我的问题是:你会推荐什么算法来解释第三类现象?你会推荐什么算法(如果有的话)来解释其中的3个 您是否试图发现特征对和三元组?我会用随机森林攻击第三个;在“成功”树中,这些关联应该显示为紧密相连。你也可以尝试减少特征;与一个或两个其他变量密切相关的变量将被控制和删除 此外,您是否考虑过使用FFT(快速傅立叶变换)来分析观测中的循环噪声
我不能推荐任何一种算法来解释这三种现象。首先,你没有给我们任何东西来描述数据的形状和纹理。其次,可用的分析模型几乎肯定过于简单和通用,无法一次完成如此深入的分析。非常感谢@Prune。我将第一次去随机森林,推出成对和三倍条件反射。我一做完就给你回电话。