决策树分类器是否适用于这里？

Question

从需要从前三天的股票价格预测今天的股价的情况：

您能使用决策树分类器来完成此任务吗？为什么或者为什么不？

Answer 1

正如在这里中所解释的那样，决策树的缺点是:过度拟合的几率高，不稳定，方差小，偏差小。此外，考虑到您的数据似乎是数字的、连续的，决策树很有可能计算您的特征的熵，而只考虑您的培训数据中的场景。

决策树在有重复场景的场景中表现得更好，在这些场景中，您的数据几乎是相关的，最重要的是，在您的特性中有不连续的、分类的数据，这对您提到的数据来说肯定不是这样。

Answer 2

LSTM属于RNN族，最适合这个问题。与LSTM相比，决策树不能很好地处理股票等序列数据。LSTM网络可以被认为是存储网络，存储和处理以前的数据，并将其传递到最后一个LSTM节点产生输出。在这种情况下，LSTM可以用来存储和处理过去3天的信息，以预测当前的股价。

事实上，股票预测是LSTM最成功的应用之一。

如果你搜索“使用LSTM进行股票预测”，你可以在Google中找到很多资源。