내가 이해하는 한 CatBoost는 일반적으로 샘플링 알고리즘에서 임의의 창을 사용하여 최대 64개 값으로 분할을 계산합니다(이것이 범주형 예측 변수에 적용되는지 아니면 모두에 적용되는지 이해하지 못했습니다).
결론은 대부분의 알고리즘의 경우 샘플의 1/10에 리프 활성화가 있거나 전체 샘플에 걸쳐 분포되어 있는지 여부가 중요하지 않다는 것입니다. 1/5 최소 10-15%) , 통계적 지표 외에 경제 지표 를 고려해야 합니다. 이것이 제가 하는 일이며 시트를 별도로 확인합니다.
마지막 비디오에 따르면 - 나는 코드가 관심을 바꾸지 않을 것이라는 데 동의하지 않습니다 - 사람이 파이썬과 MO에만 손을 대면 그가 보는 것이 더 흥미로울 것이며 질문이 장점이 될 수 있습니다. 그러나 청중은 이해하기 어려울 수 있으며 예, 모든 것이 한 번에 그런 것은 아닙니다.
기능 측면에서 - 증분을 선택하기 위해 임의의 것보다 다른 선형 공식을 시도하는 것이 더 낫지 않습니까? 1에서 10까지의 오프셋이 있는 3개의 반환과 10에서 50까지의 오프셋이 있는 30개의 반환이 필요할 수 있습니다.
Does it seem like you had missed getting rich during the recent crypto craze? Fret not, the international financial markets continue their move rightwards every day. You still have your chance. But successful traders all agree emotions have no place in trading — if you are ever to enjoy a fortune attained by your trading, better first make...
나는 본질적으로 봇의 예비 부품을 찾고 있으며, 나 자신을 위해 동영상을 씁니다. 나는 흥미로운 것을 보았습니다 - 적어 두십시오
사실을 말하자면, 여기저기서 조금이라도 직접적으로 매우 유용한 것을 빌릴 수 있는 기사는 아직 단 한 건도 없었습니다.예, 항상 빌릴 것이 없는 것은 분명합니다 ...
그러나 CatBoost에 대해서는 다른 모델과 마찬가지로 시계열 에 매우 적합하지 않습니다. 모두 샘플 기록에서 패턴(리프)의 반복성을 고려하지 않으며 샘플에 대한 분포가 매우 중요합니다.
예, 항상 빌릴 것이 없는 것은 분명합니다 ...
그러나 CatBoost에 대해서는 다른 모델과 마찬가지로 시계열에 매우 적합하지 않습니다. 모두 샘플 기록에서 패턴(리프)의 반복성을 고려하지 않으므로 샘플에 대한 분포가 매우 중요합니다.
어떤 면에서 고려되지 않습니까? 일부 패턴을 언더샘플링?
당신은 그들을 축적 할 수 있습니다
일반적으로 그 자체로 매우 시원하고 편리하며 + 지속적으로 개선되고 있습니다. 그들은 거의 모든 면에서 xgboost를 추월했다고 말합니다. 사실, 여전히 미해결 질문입니다. NN 시계열 또는 부스팅에 어느 것이 더 좋습니다.
어떤 식으로 고려되지 않습니까? 일부 패턴을 언더샘플링?
당신은 그들을 축적 할 수 있습니다
내가 이해하는 한 CatBoost는 일반적으로 샘플링 알고리즘에서 임의의 창을 사용하여 최대 64개 값으로 분할을 계산합니다(이것이 범주형 예측 변수에 적용되는지 아니면 모두에 적용되는지 이해하지 못했습니다).
결론은 대부분의 알고리즘의 경우 샘플의 1/10에 리프 활성화가 있거나 전체 샘플에 걸쳐 분포되어 있는지 여부가 중요하지 않다는 것입니다. 1/5 최소 10-15%) , 통계적 지표 외에 경제 지표 를 고려해야 합니다. 이것이 제가 하는 일이며 시트를 별도로 확인합니다.
일반적으로 그 자체로 매우 시원하고 편리하며 + 지속적으로 개선되고 있습니다. 그들은 거의 모든 면에서 xgboost를 추월했다고 말합니다. 사실, 여전히 미해결 질문입니다. NN 시계열 또는 부스팅에 어느 것이 더 좋습니다.
앞서 말했듯이 개발자에 따르면 동일한 측정 단위에서 예측 변수가 서로 비슷하면 NN이 더 좋지만 수익만 있는 것은 아니지만 NN을 시도할 것입니다.
앞서 말했듯이 개발자에 따르면 동일한 측정 단위에서 예측 변수가 서로 비슷하면 NN이 더 좋지만 수익만 있는 것은 아니지만 NN을 시도할 것입니다.
증분의 경우, 잘 맞는 반복적인 것과 수정된 것입니다. 그런 다음 시도하겠습니다.
증분의 경우, 잘 맞는 반복적인 것과 수정된 것입니다. 그런 다음 시도하겠습니다.
모든 것이 가능합니다. 시도해야 합니다.
마지막 비디오에 따르면 - 나는 코드가 관심을 바꾸지 않을 것이라는 데 동의하지 않습니다 - 사람이 파이썬과 MO에만 손을 대면 그가 보는 것이 더 흥미로울 것이며 질문이 장점이 될 수 있습니다. 그러나 청중은 이해하기 어려울 수 있으며 예, 모든 것이 한 번에 그런 것은 아닙니다.
기능 측면에서 - 증분을 선택하기 위해 임의의 것보다 다른 선형 공식을 시도하는 것이 더 낫지 않습니까? 1에서 10까지의 오프셋이 있는 3개의 반환과 10에서 50까지의 오프셋이 있는 30개의 반환이 필요할 수 있습니다.
좀 비판할게) 맥심, 이해가 안됐어.....
팁, 거기에서 무엇을 상상하고 있는지 이해하려면 코드를 볼 필요가 있습니다. 따라서 블로그나 어딘가에 각 비디오에 대한 코드를 파일 없이 오픈 소스로만 게시하십시오.
코드에 주석을 넣습니다. 그런 다음 코드 조각을 실행에 옮기고 무언가에 대해 이야기할 수 있습니다. 그래서 소리 반사가있는 비디오 일뿐입니다)
추신 그래프의 크기 를 조정하는 라이브러리의 종류는 브라우저에서만 작동합니까?
코드로 모든 것을 할 수 있는 것은 아닙니다.
예를 들어 보류 중인 주문 (일부 변형)
좀 비판할게) 맥심, 이해가 안됐어.....
팁, 거기에서 무엇을 상상하고 있는지 이해하려면 코드를 볼 필요가 있습니다. 따라서 블로그나 어딘가에 각 비디오에 대한 코드를 파일 없이 오픈 소스로만 게시하십시오.
코드에 주석을 넣습니다. 그런 다음 코드 조각을 실행에 옮기고 무언가에 대해 이야기할 수 있습니다. 그래서 소리 반사가있는 비디오 일뿐입니다)
추신 그래프의 크기 를 조정하는 라이브러리의 종류는 브라우저에서만 작동합니까?
나는 모든 사람에게 대답하기 위해 코드에 놀라고 있습니다. 시간이 충분하지 않습니다.
일부 중간 옵션을 버리고
https://kernc.github.io/backtesting.py/