基于成交量的特征工程

我们将使用非线性模型来获得更准确的预测。在线性模型中，特征必须与目标呈线性相关。其他机器学习模型可以以非线性的方式组合特征。例如，如果当价格的移动平均线上升而成交量的移动平均线下降时，价格会上涨，该如何刻画这种关系？要么将这些特征相乘，要么使用可以处理非线性的机器学习算法（例如随机森林）。

为纳入更多可能与其他特征交互的信息，我们可以加入与目标弱相关的特征。首先，我们会加入成交量数据，它在 lng_df 中的列名为 Adj_Volume。

在开始之前，请记住，对于 TA-Lib 函数（例如 SMA()），您需要提供 Numpy 数组，而不是 pandas 对象。您可以使用 pandas Series 或 DataFrame 的 .values 属性将其转换为 Numpy 数组。