特征选择技术提升机器学习预测性能的研究

本研究探讨了特征选择技术在提高常见机器学习技术预测能力方面的应用。该研究首次应用FSA（退火特征选择）技术进行特征选择，并将其与LR（逻辑回归）、ANN（人工神经网络）、CNN（卷积神经网络）和LSTM（长短期记忆）模型相结合，以获得具有特征选择的线性和非线性模型。这些基于特征选择的模型在分类中进行研究，其中的目标是预测股票的'上涨'和'下跌'动向，在回归中的目标是预测实际股票回报。