一种基于过去二进制数据模式预测下一个二进制结果的合适方法
A suitable method to predict next binary outcome based on the patterns of past binary data
我有一系列二进制数据（W 和 L 值，它们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（W 或 L）。在 Matlab o python.
中完成此操作的最佳方法是什么？
我已经尝试了自己开发的基本模式匹配算法。我在那里所做的是获得 5 个结果的输入序列，并将其与所有过去的数据进行匹配，以获得第 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。这是一种非常基本的方法，我相信一定有其他机器学习方法可以提供更准确的结果。
基本上我需要的是，我有这样一个过去的数据序列[ W, L, W , W , L , W ......最多4300点]。我的系统会生成像这样的新数据馈送 [ W 、 L 、 L 、 W ...] 我需要的是通过将当前数据馈送的模式与过去的 4300 个数据点进行匹配来预测下一个数据的值。
你可以尝试使用马尔可夫链（我建议你从这里开始）：
- https://www.datacamp.com/community/tutorials/markov-chains-python-tutorial
- https://towardsdatascience.com/how-to-build-a-market-simulator-using-markov-chains-and-python-7923256f8d29
- https://towardsdatascience.com/when-to-buy-the-dip-e2e128d737a7
或者您可以尝试另一种方法来训练神经网络，然后使用它进行预测（即使用 LSTM）：
- https://medium.com/@kushal.sharma/lstm-network-using-keras-for-sequence-prediction-550b5bebae2c
- https://hackernoon.com/forecasting-market-movements-using-tensorflow-fb73e614cd06
- https://github.com/huseinzol05/Stock-Prediction-Models
或者您可以尝试 CPT 模型：https://github.com/analyticsvidhya/CPT，这样算法可以根据新的数据馈送预测下一个值。在这里阅读更多相关信息：
- https://www.analyticsvidhya.com/blog/2018/04/guide-sequence-prediction-using-compact-prediction-tree-python/
- https://machinelearningmastery.com/sequence-prediction/
您应该定期（根据市场正常波动的范围，例如每周）重新训练所选模型。
使用马尔可夫链（Mauro 是一个拇指）并训练以获得两个节点之间每个方向 link 的权重。
我有一系列二进制数据（W 和 L 值，它们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（W 或 L）。在 Matlab o python.
中完成此操作的最佳方法是什么？我已经尝试了自己开发的基本模式匹配算法。我在那里所做的是获得 5 个结果的输入序列，并将其与所有过去的数据进行匹配，以获得第 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。这是一种非常基本的方法，我相信一定有其他机器学习方法可以提供更准确的结果。
基本上我需要的是，我有这样一个过去的数据序列[ W, L, W , W , L , W ......最多4300点]。我的系统会生成像这样的新数据馈送 [ W 、 L 、 L 、 W ...] 我需要的是通过将当前数据馈送的模式与过去的 4300 个数据点进行匹配来预测下一个数据的值。
你可以尝试使用马尔可夫链（我建议你从这里开始）：
- https://www.datacamp.com/community/tutorials/markov-chains-python-tutorial
- https://towardsdatascience.com/how-to-build-a-market-simulator-using-markov-chains-and-python-7923256f8d29
- https://towardsdatascience.com/when-to-buy-the-dip-e2e128d737a7
或者您可以尝试另一种方法来训练神经网络，然后使用它进行预测（即使用 LSTM）：
- https://medium.com/@kushal.sharma/lstm-network-using-keras-for-sequence-prediction-550b5bebae2c
- https://hackernoon.com/forecasting-market-movements-using-tensorflow-fb73e614cd06
- https://github.com/huseinzol05/Stock-Prediction-Models
或者您可以尝试 CPT 模型：https://github.com/analyticsvidhya/CPT，这样算法可以根据新的数据馈送预测下一个值。在这里阅读更多相关信息：
- https://www.analyticsvidhya.com/blog/2018/04/guide-sequence-prediction-using-compact-prediction-tree-python/
- https://machinelearningmastery.com/sequence-prediction/
您应该定期（根据市场正常波动的范围，例如每周）重新训练所选模型。
使用马尔可夫链（Mauro 是一个拇指）并训练以获得两个节点之间每个方向 link 的权重。