我正在尝试使用截至时间t的11个技术指标来预测t + 5（即提前5分钟）处的比特币价格，这些指标都可以根据比特币时间的开盘价，最高价，最低价，收盘价和交易量来计算系列（请参阅我的完整数据集here）。据我所知，当使用诸如回归树，支持向量机或人工神经网络之类的算法时，无需操纵数据帧，但是当使用诸如随机森林（RF）和Boosting之类的集成方法时，我听说有必要以某种方式重新安排数据帧，因为集成方法从训练数据中提取重复的RANDOM样本，在这种情况下，比特币时间序列的序列将被破坏。那么，有没有办法以某种方式重新安排数据帧，以使每次从训练数据中提取重复的样本时，时间序列仍然按时间顺序排列？
我获得了关于如何构造数据帧here以及可能如何构建here的解释，但不幸的是，我并没有真正理解这些解释，因为我没有看到即将构建的数据框的直观示例，因为我无法识别相关的代码行。因此，如果有人可以告诉我如何使用示例数据帧重新排列数据帧，我将非常感激。作为示例数据框，您可以考虑使用r中的airquality内置数据框（我认为它包含时间序列数据），我上面提供的数据或您认为最佳的任何其他数据框。
非常感谢！
答案 0 :(得分：1)
对ML算法进行重采样没有问题。要捕获（自动）相关，只需添加具有时间序列滞后值的列即可。例如。如果时间序列x [t]不变，其中t是以分钟为单位的时间，则将x [t-1]，x [t-2]，...，x [t-n]列加滞后值。您添加更多历史记录的滞后会更多地体现在模型训练中。
您可以在这里找到一些非常基本的工作示例：Prediction using neural networks
更多具有Keras的高级员工在这里：Time series prediction using RNN
不过，仅供参考，Chollet先生和Allaire先生根据上述文章提供的特别信息是：）
注意：市场和机器学习
一些读者注定要采用我们介绍的技术 在这里尝试一下预测价格的未来问题 股票市场上的证券（或货币汇率等） 上）。市场的统计特征与 天气现象等自然现象。尝试使用机器 当您只能公开访问时，学习学会击败市场 现有数据，这是一项艰巨的尝试，并且您很可能会浪费 您的时间和资源，无可奉告。
永远记住，就市场而言，过去的表现并非如此 一个很好的预测未来收益的方法–观察后视镜 是一种不好的驾驶方式。另一方面，机器学习是 适用于过去可以很好预测的数据集 未来。