问题描述
我需要澄清一下我的外汇机器学习策略，因为我有点困惑。
我训练/测试一个 XGBoost 分类模型并将其保存在一个 pickle 文件中。
然后在我的经纪人的算法交易循环中，我导入该模型并尝试预测实时数据（直到今天的历史数据在更新最后一根蜡烛的循环中）根据预测类别打开买入/卖出订单
不幸的是我收到此错误：
ValueError: Number of features of the model must match the input. Model n_features is 41 and input n_features is 1
为什么？我真的必须像我的训练/测试数据框一样预处理实时数据吗？我只是认为保存和导入腌制模型将有助于在实时经纪流中避免这一步。
从逻辑上讲，我知道提升树是一组建立在数据特征上的规则，因此认为这些规则可以应用于单行回报是不合逻辑的。但是...
最后一个问题：我的算法每次更新实时数据都会取最后两行，计算返回并根据返回符号（如果返回 >0,1,-1）分配分类标签 (1,-1)。我的预测目标、回报或二元标签应该是什么？
例如：
my_model.predict(?)[0]
这里的括号里是什么？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）