问题：

我有一个关于对冲基金的数据集。它包含每月对冲基金的回报率和一些财务指标。我计算了从2010年到2019年12月的每个月的指标。（共2889条月度数据）我想进行二元分类，并基于这些指标预测下个月对冲基金的类别。我想从T时间预测T+1时间。并且我想使用随机森林和其他分类器（决策树、KNN、SVM、逻辑回归）。我知道这个数据集是一个时间序列问题，我该如何将其转换为机器学习问题？

我很乐意听取您的建议和建议，关于在建模、特征工程和编辑这个数据集时应该遵循的方法或途径。

附加问题：

1)在使用这些数据进行训练和测试时，我该如何进行数据分割？是使用80%-20%的比例吗？您能推荐其他验证方法吗？

2)有些基金后来才添加到数据中，因此并非所有基金的数据长度都相同，例如，2015年成立的“AEB”基金在2015年前没有数据。有几只这样的基金，它们会造成问题，还是最好将它们删除并从数据集中移除？我总共有27个不同基金的数据。3)此外，我已经将对冲基金的股票代码/名称更改为数字ID，是否可以进行虚拟编码，这样做是否会更好地提升性能？

样本数据集：

     日期    | 基金名称/股票代码 | sharpe | sortino | beta  | alpha | 目标 |   ------------|--------------------|--------|---------|-------|-------|--------|--   31.03.2010 | ABC                | -0,08  | 0,025   | 0,6   | 0,13  | 1      |    31.03.2010 | DEF                | 0,41   | 1,2     | 1,09  | 0,045 | 0      |    31.03.2010 | SDF                | 0,03   | 0,13    | 0,99  | -0,07 | 1      |    31.03.2010 | CBD                | 0,71   | -0,05   | 1,21  | 0,2   | 1      |    30.04.2010 | ABC                | 0,05   | -0,07   | 0,41  | 0,04  | 0      |    30.04.2010 | DEF                | 0,96   | 0,2     | 1,09  | 1,5   | 0      |    30.04.2010 | SDF                | -0,06  | 0,23    | 0,13  | 0,23  | 0      |    30.04.2010 | CBD                | 0,75   | -0,01   | 0,97  | -0,06 | 1      |    :          | :                  | :      | :       |  :    | :     | :      |    :          | :                  | :      | :       |  :    | :     | :      |    30.12.2019 | ABC                | 0,05   | -0,07   | 0,41  | 0,04  | 1      |    30.12.2019 | DEF                | 0,96   | 0,2     | 1,09  | 1,5   | 0      |    30.12.2019 | SDF                | -0,06  | 0,23    | 0,13  | 0,23  | 0      |    30.12.2019 | CBD                | 0,75   | -0,01   | 0,97  | -0,06 | 1      |    30.12.2019 | FGF                | 1,45   | 0,98    | -0,03 | 0,55  | 1      |    30.12.2019 | AEB                | 0,25   | 1,22    | 0,17  | -0,44 | 0      |  

我的想法和第一次尝试：我建模了一个例子。我使用的方法是这样的，我将目标变量向后移动(-1)。因此，每一行显示了基金在下个月所处的类别。我这样做是因为我想在那个月开始之前预测下个月。从T时间预测到T+1时间。但这个模型的效果非常差。（43%）

此模型数据集的视图：

     日期    | 基金名称/股票代码 | sharpe | sortino | beta  | alpha | 目标 |   ------------|--------------------|--------|---------|-------|-------|--------|--   31.03.2010 | ABC                | -0,08  | 0,025   | 0,6   | 0,13  | 1      |    31.03.2010 | DEF                | 0,41   | 1,2     | 1,09  | 0,045 | 0      |    31.03.2010 | SDF                | 0,03   | 0,13    | 0,99  | -0,07 | 1      |    31.03.2010 | CBD                | 0,71   | -0,05   | 1,21  | 0,2   | 1      |    30.04.2010 | ABC                | 0,05   | -0,07   | 0,41  | 0,04  | 0      |    30.04.2010 | DEF                | 0,96   | 0,2     | 1,09  | 1,5   | 0      |    30.04.2010 | SDF                | -0,06  | 0,23    | 0,13  | 0,23  | 0      |    30.04.2010 | CBD                | 0,75   | -0,01   | 0,97  | -0,06 | 1      |    :          | :                  | :      | :       |  :    | :     | :      |    :          | :                  | :      | :       |  :    | :     | :      |    30.12.2019 | ABC                | 0,05   | -0,07   | 0,41  | 0,04  | 0      |    30.12.2019 | DEF                | 0,96   | 0,2     | 1,09  | 1,5   | 0      |    30.12.2019 | SDF                | -0,06  | 0,23    | 0,13  | 0,23  | 1      |    30.12.2019 | CBD                | 0,75   | -0,01   | 0,97  | -0,06 | 1      |    30.12.2019 | FGF                | 1,45   | 0,98    | -0,03 | 0,55  | 0      |    30.12.2019 | AEB                | 0,25   | 1,22    | 0,17  | -0,44 | ?      |  

回答：