Какие входные данные я должен использовать для прогнозирования модели rl? будет ли он масштабироваться или инвертировать ⇐ Python

[Anonymous]

Я использую sb3 DQN для обучения биржевых данных, где мои наблюдения - это последние 120 свечей с 7 функциями, то есть открытие, максимум, минимум, час закрытия, минута, RSI и т. д. поэтому форма obs будет (120,7), вывод будет дискретным с 3 int 0, 1, 2 (удерживать, покупать, продавать соответственно).
Мои вопросы:

• Я масштабирую наблюдения только с помощью minmaxscaler. Это правильно или мне нужно масштабировать все данные в этом случае, когда у меня есть 200000 строк по 5-минутной свече?

вот Scale_data развлечение в моем индивидуальном тренажерном зале

Код: Выделить всё

def scale_data(self,obs):
df1 = obs
df1[['OPEN', 'HIGH', 'LOW', 'CLOSE', 'rsi', 'TICKVOL']] = scaler.fit_transform(
obs[['OPEN', 'HIGH', 'LOW', 'CLOSE', 'rsi', 'TICKVOL']])

df1[['MINUTE','HOUR','DAY_OF_WEEK']] = obs[['MINUTE','HOUR','DAY_OF_WEEK']]

return df1.values

• Другой вопрос: если ответом является масштабирование всех данных, что передавать при прогнозировании поскольку на момент прогнозирования у меня может не быть всех данных, и я хотел бы прогнозировать, используя самые последние данные за 120 свечей. Если мы масштабируем все данные и используем для прогнозирования только последние 120, масштабирование будет совершенно другим!

Подробнее здесь: https://stackoverflow.com/questions/790 ... inv-scaled