用于金融信号建模的匿名特征训练数据-Numerai平台

用于金融信号建模的匿名特征训练数据-Numerai平台 数据来源：互联网公开数据
标签：加密特征, 股票信号, 机器学习预测, 数字化金融, 数字信号处理, 二分类问题

数据集简介： 本数据集来自 Numerai 数据科学竞赛平台，用于第52轮建模任务。数据集的核心目标是通过21个加密特征预测一个布尔型目标变量（0或1），用于生成可交易的金融信号。所有特征已被加密并标准化至 [0, 1] 区间，原始语义对参赛者不可见，模型预测结果将由平台在后台解密用于实际市场中的策略评估。

字段定义：

id：每条记录的唯一标识符，用于结果文件关联

feature_1 ~ feature_21：共21个加密特征，数值范围均在 0 到 1 之间

target：目标变量，为布尔值（0 或 1），仅在训练数据中提供

prediction（提交结果中）：模型预测概率值，表示该行样本为1的概率（0到1之间的浮点数）

数据特征：

数据来源：Numerai 官方发布的比赛数据集

特征类型：完全匿名加密连续变量（无语义）

目标类型：二分类（适合logloss损失函数优化）

数据格式：CSV文件（包含训练数据、验证数据和预测提交模板）

使用要求：参赛者需提交包含“id”和“prediction”列的结果文件

适用场景：

二分类模型训练（如逻辑回归、随机森林、神经网络、梯度提升树等）

模型概率输出调优（适用于 log loss 优化）

模型集成与稳定性评估（通过匿名特征提升泛化能力）

量化金融策略实验平台建模练习