|
|
--- |
|
|
license: mit |
|
|
tags: |
|
|
- polymarket |
|
|
- prediction-market |
|
|
- time-series |
|
|
- financial-data |
|
|
datasets: |
|
|
- custom |
|
|
--- |
|
|
|
|
|
# Polymarket ML Dataset |
|
|
|
|
|
## 数据集描述 |
|
|
|
|
|
Polymarket 时间序列预测数据集，用于训练 WaveNet 模型。 |
|
|
|
|
|
## 数据集结构 |
|
|
|
|
|
- **ml_dataset.parquet**: 主数据集文件（Parquet格式） |
|
|
- 特征维度: (n=4, m=1) 滑动窗口 |
|
|
- 15个因子特征 |
|
|
- 1个时间步预测标签 |
|
|
|
|
|
- **market_stats.csv**: 市场统计信息 |
|
|
|
|
|
## 数据格式 |
|
|
|
|
|
### 特征列 |
|
|
- `segment_0_*` 到 `segment_3_*`: 4个时间窗口的特征（每个窗口15个因子） |
|
|
- 共 60 个特征列 |
|
|
|
|
|
### 标签列 |
|
|
- `response_zscore_t1`: 未来1个时间步的标准化响应值 |
|
|
|
|
|
## 使用示例 |
|
|
|
|
|
```python |
|
|
import pandas as pd |
|
|
|
|
|
# 读取数据集 |
|
|
df = pd.read_parquet('ml_dataset.parquet') |
|
|
|
|
|
# 查看数据形状 |
|
|
print(f"数据集大小: {len(df)} 条") |
|
|
print(f"特征列数: {len([c for c in df.columns if c.startswith('segment_')])}") |
|
|
print(f"标签列数: {len([c for c in df.columns if c.startswith('response_zscore_t')])}") |
|
|
``` |
|
|
|
|
|
## 数据来源 |
|
|
|
|
|
- 来源: Polymarket 市场数据 |
|
|
- 处理时间: 2024-11-06 |
|
|
- 参数: n=4, m=1 |
|
|
|
|
|
## 许可证 |
|
|
|
|
|
MIT License |
|
|
|
