21、股票市场预测与分布式计算训练机器学习模型

股票市场预测与分布式计算训练机器学习模型

1. 股票市场预测模型

在股票市场预测领域，有两种常见的模型：随机森林（Random Forest）和循环神经网络（RNN）。

1.1 数据划分

对于样本量大于等于 400 的股票代码，数据按 70%、10% 和 20% 的比例分别划分为训练集、验证集和测试集；对于样本量小于 400 的股票代码，则按 60%、10% 和 30% 的比例进行划分。

1.2 模型构建

• 随机森林模型 ：采用 Bagging 方法构建，具体参数如下：
  • 每棵树的最大深度为 20。
  • 每棵树的最大叶子数为 21。
  • 构建一棵树使用的样本数为 100。
  • 信息准则为熵（Entropy）。
  • 树的数量为 1000。
• RNN 模型 ：输入层有 65 个特征，优化器为随机梯度下降（SGD），包含两个隐藏层，分别有 32 个节点和 16 个节点。

1.3 实验结果

股票代码	随机森林（训练准确率）	随机森林（准确率 %）	随机森林（F1 分数 %）	RNN（训练准确率）	RNN（准确率 %）