Design patterns 基于过去二进制数据的模式预测下一个二进制结果的合适方法

我有一系列二进制数据（W和L值是交易平台的交易结果），我需要能够根据过去的模式预测下一个值（无论是W还是L）。在MatlaboPython中实现这一点的最佳方法是什么

我已经尝试了我自己开发的基本模式匹配算法。我要做的是得到一个包含5个结果的输入序列，并将其与所有过去的数据进行匹配，以得到第6个结果的概率。然而，该方法的准确率接近30%，这不适合我的预测。这是一个非常基本的方法，我相信一定还有其他的机器学习方法可以给出更准确的结果

---

基本上我需要的是，我有一个过去的数据序列[W，L，W，W，L，W……高达4300点]像这样。我的系统会生成这样的新数据源[W，L，L，W…]，我需要的是通过将当前数据源的模式与过去4300个数据点相匹配来预测下一个数据的值。

您可以尝试使用马尔可夫链（我建议您从这里开始）：

或者您可以尝试另一种方法训练神经网络，然后使用它进行预测（即使用LSTM）：

或者您可以尝试CPT模型：，这样算法就可以根据新数据源预测下一个值。请在此处阅读更多信息：

---

您应该定期（基于市场的正常波动范围，例如每周）对所选模型进行再培训。

您可以尝试使用马尔可夫链（我建议您从这里开始）：

或者您可以尝试另一种方法训练神经网络，然后使用它进行预测（即使用LSTM）：

或者您可以尝试CPT模型：，这样算法就可以根据新数据源预测下一个值。请在此处阅读更多信息：

---

您应该定期（基于市场的正常波动范围，例如每周）对所选模型进行再培训。

使用马尔可夫链（一个拇指un用于Mauro）并进行培训，以获得两个节点之间每个定向链接的权重。

使用马尔可夫链（一个拇指un用于Mauro）并进行训练，以获得两个节点之间每个定向链接的权重。

非常感谢，这是非常有用的信息，我们正是在寻找这个。再次感谢。非常感谢，这是非常翔实的，正是我在寻找这个。再次感谢。