트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2832

새 코멘트
 
Aleksey Nikolayev #:

가장 먼저 떠오르는 것은 너무 크거나 작지 않은 셀로 공간을 그리드로 나누는 것입니다(크기는 노이즈 모델에 따라 결정됨). 일부 (예를 들어 무작위로 선택된) 셀에서 시작하여 그 안의 몇 가지 지점에서 평활 함수의 기울기 방향을 결정하고 전환이나 루프가 없을 때까지 다음 셀 등으로 이동합니다. 극단의 위치는 셀의 크기에 맞게 정확하게 설정되므로 너무 크지 않아야하지만 동시에 평활화 가능성을 제공해야하므로 너무 작지 않아야합니다. 그리고 스무딩 방법에 따라 달라지기 때문에 원칙적으로 극단의 정확한 위치가 없다는 사실을 받아들여야 합니다.

많은 작업처럼 들립니다.)

 

R과 의자 사이의 쿠션이 너무 얇습니다.

실현되지 않은 또 다른 환상

 

왜 게시물을 삭제하나요, 편집증 환자? 문제를 일으켜서 다시 찔리지 않으려고요? :)

이런 식으로 몇 번이나 망칠 수 있나요?

 
Maxim Dmitrievsky #:

그래서 R로 큰 프로젝트를 만들어 서버에 올려놓았습니다. 그리고 누가 그것을 유지 관리할까요? 그런 양의 전문가가 없고 통계 하나 때문에 R을 배우려는 사람이 없기 때문에 아무도 없습니다.

그리고 파이썬의 경우 소시지 한 덩어리로 아무 학생이나 고용하면 괜찮을 것입니다.


소시지 한 조각을 가진 학생이 필요한 사람은 누구일까요?

5년 동안 공부해야 하는 통계학, MOE를 아는 학생이 필요합니다. 그런 다음 전문 조직에서 일하는 것이 여전히 바람직합니다. 그리고 그러한 모든 학생-통계학자는 C ++를 알고 있기 때문에 R 또는 Python은 일주일 안에 가르 칠 수 있습니다.

그러나 5 년 동안 통계를 공부하지 않은 사람들에게는 R이 Python보다 훨씬 더 유용합니다. R에서는 필요한 것만 씹고 문서화하기 때문입니다....., 결국 전문 언어이기 때문입니다.

 
СанСаныч Фоменко #:

소시지 스틱을 들고 있는 학생은 누가 필요하나요?

5년이 걸리는 통계학, MOE를 아는 학생이 필요합니다. 그런 다음 전문 조직에서 일하는 것이 바람직합니다. 그리고 그러한 모든 학생-통계학자는 C ++를 알고 있기 때문에 R 또는 Python은 일주일 안에 가르 칠 수 있습니다.

그러나 5 년 동안 통계를 공부하지 않은 사람들에게는 R이 파이썬보다 훨씬 더 유용합니다. R에서는 필요한 것만 씹고 문서화하기 때문입니다....., 결국 전문 언어이기 때문입니다.

저를 믿으십시오. 학생은 소시지 스틱과 다른 많은 것들도 5 일 만에 통계를 배울 것입니다.

성공의 주된 조건은 학생이 배가 고파야 한다는 것입니다.

우리는 몇 달, 몇 년 동안 같은 이야기를 하고 있습니다.

 

최적화의 정확성을 논하는 이유는 무엇일까요? 로컬, 글로벌 - 상관없습니다.


매우 정확하게 찾은 극한값조차도 과거를 참조하고 새로운 막대가 도착하면 거의 항상 우리에게 알려지지 않은 새로운 극한값이 있기 때문에 Dick의 질문은 순전히 이론적인 것이며 실용적인 가치가 없습니다. 테스터를 기억합시다. 극값을 찾습니다. 그리고 뭐죠? 테스터의 최적값은 미래에 살아 있을 것이라는 고려가 없다면 쓸모가 없습니다. 그러나 최적값의 수명은 이 최적값을 찾는 정확성 및 정확성과는 아무런 관련이 없습니다.

 
Maxim Dmitrievsky #:

학생은 5일 만에 소시지 한 개 값으로 통계를 배울 수 있고, 그 과정에서 다른 많은 것들을 배울 수 있습니다.


통계는 5 년 동안 가르치며 모든 사람이 가르 칠 수있는 것은 아니며 입학 시험에서 특별히 선발됩니다.

 
СанСаныч Фоменко #:

통계학은 5년 동안 가르치며, 모든 사람이 배울 수 있는 것은 아니며 입학 시험에서 특별히 선발됩니다.

세부 사항을 생략하고 실제 세계에서 적용된 문제를 제공하면 프로세스가 더 빨라집니다.

사람이 왜 필요한지 이해하지 못하고 평생 한 번도 경험하지 못한 훈련에서 대부분 멍청합니다. 그들은 최종 목표를 보지 못합니다.

 

고양이 부스트에 대한 사용자 지정 지표를 만드는 방법을 알려주세요.

내 버전으로 모델을 훈련 한 결과는 RMSE와 거의 동일하므로 코드 어딘가에 오류가 있습니다.

예측값과 목표가 반환됩니다(a[i]-a[i+1]).

class Sharpe(object):
    def get_final_error(self, error, weight):
        return error

    def is_max_optimal(self):
        return True

    def evaluate(self, approxes, target, weight):
        assert len(approxes) == 1
        assert len(target) == len(approxes[0])
        preds = np.array(approxes[0])
        target = np.array(target)
        data = [i if i > 0 else -1*i for i in preds]
        sharpe = np.mean(data)/np.std(preds)
        return sharpe, 0

model = CatBoostRegressor(learning_rate=0.1, n_estimators=2000, eval_metric=Sharpe())
 
СанСаныч Фоменко 수명은 딕이 말하는 최적값을 찾는 정확성 및 정확성과는 아무런 관련이 없습니다.

내 성은 거절되지 않습니다.
문제는 글로벌이 변할 것인지 아닌지(반드시 변할 것입니다)가 아니라 글로벌 극한을 찾을 수 있는지 여부입니다. 신경 쓰지 않는다면 네트워크 가중치를 난수로 초기화하면 됩니다. 글로벌이든 아니든 무슨 차이가 있을까요? 로컬입니다.))
1...282528262827282828292830283128322833283428352836283728382839...3399
새 코멘트
사유: