针对传统的分类方法没有考虑特征之间的交互作用而导致分类效果不明显的问题,提出一种信息熵-逻辑回归弹性网模型(IE-LR-ElasticNet)。通过加入信息熵的惩罚项来衡量特征之间的交互作用,并利用交替方向乘子法(ADMM)进行求解。仿真实验结果表明,IE-LR-ElasticNet模型在相关性数据越高的数据集中,其估计系数更加接近真实值,且分类效果较好。因此,构建IE-LR-ElasticNet策略,并应用于沪深300指数成分股数据,最终取得24.51%的超额收益。
科研之友
微信
新浪微博
Facebook
分享链接
