이 테스트는 누적 거래량, 델타, 발산 및 수렴을 100바 단위로 한 EURUSD에 대한 CME의 실제 거래량을 사용했습니다. 총 400개 열 + 다른 종류의 열 5개. 모델 설정을 변경하지 않고 CME 데이터가 있는 405개 열(가격 델타와 지그재그는 그대로 유지)을 삭제하여 총 115개 열을 만들었더니 약간 더 나은 결과를 얻었습니다. 즉, 볼륨이 때때로 분할로 선택되지만 OOS에서 노이즈로 판명되었습니다. 그리고 훈련 속도가 3.5 배 느려집니다.
비교를 위해 차트를 위에 볼륨이 있고 아래에 볼륨이없는 차트를 남겨 두었습니다.
저는 CME가 있는 볼륨이 학습을 개선할 수 있는 추가 정보/규칙성을 가져다주기를 바랐습니다. 그러나 보시다시피 차트는 매우 비슷하지만 볼륨이 없는 모델이 조금 더 낫습니다. 이것은 CME에 대한 저의 두 번째 접근 방식이었으며 (3년 전에 시도했지만) 다시 실패했습니다. 모든 것이 가격에 고려된다는 것이 밝혀졌습니다.
다른 사람이 교육에 볼륨을 추가하려고 시도한 적이 있습니까? 결과는 같았나요? 아니면 개선 사항이 있나요?
볼륨없이 3 번 더 테스트를하고 볼륨으로 수행 한 테스트와 비교했습니다. 이미 모델의 하이퍼파라미터를 변경했습니다. 총 4번의 테스트: 볼륨을 추가하지 않은 3번의 테스트에서는 OOS가 더 좋았고 1번의 테스트에서는 더 나빴습니다. 즉, 때때로 볼륨이 약간 추가됩니다. 일반적으로 모든 것이 오류 수준입니다. 볼륨을 추가하는 것보다 무차별 대입을 통해 더 많은 것을 얻을 수 있습니다. 크게 개선되거나 크게 악화되지 않습니다.
글쎄요, 소설에서도 똑같습니다. 그들은 많은 것을 생각해 내고 그것을 적을 시간이 없습니다 :) 그리고 Aleksey Nikolayev의 편집위원회가 모든 것을 줄입니다.
좋은 편집자는 좋습니다.
가장 중요한 것은 그가 이미 작동하는 것을 게시하는 것을 금지해서는 안되지만 방법을 이해하지 못한다는 것입니다.
먼저 모델 내부가 쓰레기로 가득 차 있다는 사실을 깨달아야 합니다...
학습된 나무 모델을 내부의 규칙과 그 규칙에 대한 통계로 분해하면 다음과 같습니다.
처럼:
를 생성하고 샘플에서 오류 규칙 오류의 발생 빈도에 대한 의존성을 분석합니다.
에 대한 의존성을 분석하면
그런 다음 이 영역에 관심이 있습니다.
규칙이 매우 잘 작동하지만 10-30 개의 관찰은 통계가 아니기 때문에 통계의 신뢰성을 의심하는 것이 합리적 일 정도로 드문 경우입니다.
마침내 제가 수년 동안 말했던 것이 대중에게 전달되기 시작했습니다! :)
다른 사람이 트레이닝에 볼륨을 추가해 본 적이 있나요? 결과는 똑같았나요? 아니면 더 나은 결과를 얻었나요?
차트 아래에서 거래량과 같은 모델이 지표를 통해 실행되는 것을 발견했습니다.
저는 이 방향에 대해 깊이 파고들지 않았고 그저 관찰한 것뿐입니다.
제 게시물을 완전히 오해하신 것 같습니다. 기능의 적합성에 대한 수치적 추정치가 있든 없든 '희망'이라는 것은 존재하지 않습니다. 그리고 향후 특성의 적합성에 대한 수치적 평가가 있습니다.
흥미롭군요, 정확히 미래에 대해 비밀을 밝혀 주시겠습니까?
기차 5k
유효 60k
모델 훈련 - 1-3초
규칙 추출 - 5~10초
각 규칙(20~30만 개의 규칙)의 유효성 검사 - 60~1~2분
물론 이는 모두 근사치이며 속성 및 데이터의 수에 따라 달라집니다.
어떤 종류의 모델인가요?
규칙 추정 알고리즘은 단일 코어에서 실행되나요?
어떤 모델인가요?
규칙 추정 알고리즘이 단일 코어에서 실행되나요?
Forrest
하나에서
드디어 제가 수년 동안 말했던 것이 대중에게 전달되기 시작했습니다! :)
아직도 제가 하는 말을 이해하지 못하는 사람이 있을 것 같아요.)
오컴의 면도기처럼 모든 것을 명확하고 간단하게 설명해 주셨어요.
이 테스트는 누적 거래량, 델타, 발산 및 수렴을 100바 단위로 한 EURUSD에 대한 CME의 실제 거래량을 사용했습니다. 총 400개 열 + 다른 종류의 열 5개.
모델 설정을 변경하지 않고 CME 데이터가 있는 405개 열(가격 델타와 지그재그는 그대로 유지)을 삭제하여 총 115개 열을 만들었더니 약간 더 나은 결과를 얻었습니다. 즉, 볼륨이 때때로 분할로 선택되지만 OOS에서 노이즈로 판명되었습니다. 그리고 훈련 속도가 3.5 배 느려집니다.
비교를 위해 차트를 위에 볼륨이 있고 아래에 볼륨이없는 차트를 남겨 두었습니다.
저는 CME가 있는 볼륨이 학습을 개선할 수 있는 추가 정보/규칙성을 가져다주기를 바랐습니다. 그러나 보시다시피 차트는 매우 비슷하지만 볼륨이 없는 모델이 조금 더 낫습니다.
이것은 CME에 대한 저의 두 번째 접근 방식이었으며 (3년 전에 시도했지만) 다시 실패했습니다.
모든 것이 가격에 고려된다는 것이 밝혀졌습니다.
다른 사람이 교육에 볼륨을 추가하려고 시도한 적이 있습니까? 결과는 같았나요? 아니면 개선 사항이 있나요?
볼륨없이 3 번 더 테스트를하고 볼륨으로 수행 한 테스트와 비교했습니다. 이미 모델의 하이퍼파라미터를 변경했습니다.
총 4번의 테스트: 볼륨을 추가하지 않은 3번의 테스트에서는 OOS가 더 좋았고 1번의 테스트에서는 더 나빴습니다. 즉, 때때로 볼륨이 약간 추가됩니다. 일반적으로 모든 것이 오류 수준입니다. 볼륨을 추가하는 것보다 무차별 대입을 통해 더 많은 것을 얻을 수 있습니다. 크게 개선되거나 크게 악화되지 않습니다.
저는 볼륨에서 더 많은 것을 기대했습니다.
구체적으로 미래에 대해 궁금한데, 그 비결을 알려주실 수 있나요?
몇 번 글을 썼어요.
포레스트
하나에
몇 퍼센트를 샘플링하고 있나요?
포레스트가 각각 절반의 예측자를 분할 사용하면 포레스트에 대한 유용성이 거의 없는 것 같습니다.