库存数据的缩放

Question

我正在尝试将机器学习应用于股票预测，并且遇到了关于未来看不见的(更高的)股票收盘价的缩放问题。

假设我用随机的forrest回归来预测股票价格。我把数据分解成火车组和测试组。对于火车组，我使用标准标量，然后进行拟合和变换，然后使用回归器来拟合测试集，我使用标准标量，然后进行转换，然后使用回归器进行预测，并与测试标签进行比较。

如果我在图表上绘制预测并测试标签，预测似乎会达到最大值或上限。问题是标准定标器适合于火车组，测试集(在时间线的后面)有更高的值，算法不知道如何处理这些极端数据。

def test(X, y):
    # split the data
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, shuffle=False)

    # preprocess the data
    pipeline = Pipeline([
    ('std_scaler', StandardScaler()),
    ])
    # model = LinearRegression()
    model = RandomForestRegressor(n_estimators=20, random_state=0)

    # preprocessing fit transform on train data
    X_train = pipeline.fit_transform(X_train)
    # fit model on train data with train label
    model.fit(X_train, y_train)
    # transform on test data
    X_test = pipeline.transform(X_test)
    # predict on test data
    y_pred = model.predict(X_test)
    # print(np.sqrt(mean_squared_error(y_test, y_pred)))

    d = {'actual': y_test, 'predict': y_pred}
    plot_data = pd.DataFrame.from_dict(d)
    sns.lineplot(data=plot_data)
    plt.show()

如何处理缩放？

这就是我的预测，实际接近价格与时间的关系。

​

​

Answer 1

问题主要来自你所使用的模型。RandomForest回归器是在决策树上创建的。它正在学习将输入映射到训练集中的每个示例的输出。因此，RandomForest回归器将对中间值起作用，但是对于它在训练过程中没有看到的极值，它的表现当然会显示出您的图片。您想要的是直接学习一个函数，使用线性/多项式回归或更高级的算法，如ARIMA。