Catatan tentang peramalan:

Saya pikir untuk batang 1 jam dan di atasnya Anda harus menggunakan ridge, tetapi ketika Anda sampai pada batang 1 menit/5 menit, biasanya Anda akan menemukan bahwa XGBoost unggul.

5 menit membutuhkan sedikit penyesuaian yang hati-hati tetapi 1 menit dan terutama detik Anda mulai melihat XGBoost mendominasi dengan tambahan 0,01-0,025 pada IC Anda hanya karena menjadi model yang lebih baik.

XGBoost sangat keren karena Anda dapat menghindari nilai NaN ( yang sering menjadi masalah untuk pengujian kembali, yaitu ketersediaan dataset yang berbeda untuk periode yang dilihat, satu penyedia mungkin memiliki 10 tahun, satu 2).

Anda tentu saja bisa mengimput, tetapi itu bukan cara yang paling realistis untuk melakukan hal-hal dan secara teknis memiliki lookahead karena Anda mengungkapkan rata-rata/mid dari fitur sebelumnya. Anda juga bisa menggunakan rata-rata bebas lookahead, tetapi tetap saja...

Untuk hal-hal linier di mana Anda tidak dapat memenuhi waktu fitting 1 jam dan lebih tinggi, DAN di mana Anda ingin menangani NaNs, taruhan terbaik Anda adalah melakukan ensemble berbobot IC dan menghitung ulang bobot setiap kali ada NaNs ( tidak terlalu mahal untuk mencari tahu bobot apa yang seharusnya ketika Anda memiliki IC setiap fitur dan fitur mana yang ada dalam set ).