我正在研究基于 LSTM 的股市预测问题，并试图找出一种选择输入变量的方法。
在计算变量之间的相关性（例如特斯拉的收盘价与微软的收盘价）时，区分曲线是否会给出更准确（或正确）的相关指数？我发现非微分变量的值在 0.7-0.9 范围内，微分后的值更低。
一旦我有了所有变量的相关矩阵，有没有办法找出哪些会向神经网络添加信息，哪些只会添加噪声？
时间序列预测的特征选择
数据挖掘
时间序列
特征选择
相关性
2022-03-07 04:35:21
1个回答
您无需选择输入网络的变量，深度神经网络 (DNN) 会自动执行此操作。实际上，DNN 通过设置权重来更加重视相关变量。设置权重后，隐藏节点有的取0，有的取1（因为sigmoid函数）。您也可以将此 1 和 0 视为选择相关变量。
顺便说一下，相关矩阵不能直接用来选择相关变量。如果要减少输入 DNN 的变量数量，可以使用 PCA。实际上 PCA 分量是通过获取相关矩阵的特征向量来计算的。
其它你可能感兴趣的问题