Aleksey Vyazmikin #: 맥심, 제 샘플로 봇을 만들어 주실 수 있나요? 블랙박스보다 더 흥미로울 것 같네요.
수백만 개의 기능이 있을 텐데요. 제 접근 방식은 완전 자동으로 설정되어 있습니다. 어떤 기능이 좋다고 생각하는지, 여러 개 또는 다른 매개 변수를 가진 동일한 기능을 알려주시면 제가 실행할 수 있습니다. 그러면 자동으로 타겟이 선택됩니다. 데이터 세트에서 어떤 경우에도 징후 만 남아있을 것이기 때문에 나머지는 다른 모든 것을 변경할 것입니다.
Maxim Dmitrievsky #: 거기에는 수많은 표지판이 있을 겁니다. 제 접근 방식은 완전 자동으로 설정되어 있습니다. 어떤 징후가 좋은지, 몇 개 또는 다른 매개 변수가 있는 동일한 징후를 알려주기만 하면 실행할 수 있습니다. 그리고 스스로 대상을 선택합니다. 데이터 세트에서 어떤 경우에도 징후 만 남아있을 것이기 때문에 나머지는 다른 모든 것을 바꿀 것입니다.
백만 개가 아니라 6,000개의 특성입니다. 평균적으로 몇 개가 있나요? 일반적으로 CB는 쉽게 이동할 수 있습니다. 목표가 변경 될 수 있다는 사실-그것을 허용하십시오. 훈련용 4k 행 + 검증용 테스트 덤프(각 모델에 대해 고정된 수의 트리가 있는 것으로 알고 있습니다) 등 큰 샘플이 없습니다.
아니요, 백만 개가 아니라 6,000개입니다. 평균적으로 몇 개가 있나요? 일반적으로 CB는 쉽게 이동할 수 있습니다. 목표가 바뀔 수 있다는 사실 - 그렇게 하세요. 샘플 자체는 크지 않습니다 - 훈련용 4k 행 + 검증용 테스트 덤프 (각 모델에 대해 고정 된 수의 트리가 있다는 것을 알고 있습니다).
10~20개의 기능이면 충분합니다. 수식을 기성 라이브러리에 간단히로드 할 수 있도록 선택할 수 있습니다. 따라서 아무것도 변경할 필요가 없습니다. 가격 파일을 읽은 후 필요한 기능을 생성하고 기성품은 읽지 않습니다. 많은 수의 희박한 기능도 필요하지 않습니다. 기능이 많을수록 안정적인 관계를 찾기가 더 어려워집니다. .
이것은 고유 한 트릭이있는 특이한 일이라는 것을 깨달아야합니다. 평범한 학습이 아닙니다.
3k 모델을 훈련에 넣고 잠자리에 들었습니다. 내일은 커피를 마시 며 가장 좋은 것을 볼 것입니다 😋.
Maxim Dmitrievsky #: 10~20개의 기능이면 충분합니다. 수식을 기성 라이브러리에 간단히 로드할 수 있도록 선택할 수 있는 모든 기능을 사용할 수 있습니다. 아무것도 변경하지 않도록. 가격이 포함 된 파일을 읽은 후 필요한 속성을 생성하고 기성품 속성을 읽지 않습니다. 많은 수의 스파 스도 필요하지 않습니다. 기능이 많을수록 안정적인 관계를 찾기가 더 어려워집니다.
3천 명의 모델을 훈련시키고 잠자리에 들었습니다. 내일은 커피 마시면서 가장 좋은 모델을 살펴볼게요 😋.
맥심, 제 샘플로 봇을 만들어 주실 수 있나요? 블랙박스보다 더 흥미로울 것 같네요.
거기에는 수많은 표지판이 있을 겁니다. 제 접근 방식은 완전 자동으로 설정되어 있습니다. 어떤 징후가 좋은지, 몇 개 또는 다른 매개 변수가 있는 동일한 징후를 알려주기만 하면 실행할 수 있습니다. 그리고 스스로 대상을 선택합니다. 데이터 세트에서 어떤 경우에도 징후 만 남아있을 것이기 때문에 나머지는 다른 모든 것을 바꿀 것입니다.
백만 개가 아니라 6,000개의 특성입니다. 평균적으로 몇 개가 있나요? 일반적으로 CB는 쉽게 이동할 수 있습니다. 목표가 변경 될 수 있다는 사실-그것을 허용하십시오. 훈련용 4k 행 + 검증용 테스트 덤프(각 모델에 대해 고정된 수의 트리가 있는 것으로 알고 있습니다) 등 큰 샘플이 없습니다.
아니요, 백만 개가 아니라 6,000개입니다. 평균적으로 몇 개가 있나요? 일반적으로 CB는 쉽게 이동할 수 있습니다. 목표가 바뀔 수 있다는 사실 - 그렇게 하세요. 샘플 자체는 크지 않습니다 - 훈련용 4k 행 + 검증용 테스트 덤프 (각 모델에 대해 고정 된 수의 트리가 있다는 것을 알고 있습니다).
.
이것은 고유 한 트릭이있는 특이한 일이라는 것을 깨달아야합니다. 평범한 학습이 아닙니다.
10~20개의 기능이면 충분합니다. 수식을 기성 라이브러리에 간단히 로드할 수 있도록 선택할 수 있는 모든 기능을 사용할 수 있습니다. 아무것도 변경하지 않도록. 가격이 포함 된 파일을 읽은 후 필요한 속성을 생성하고 기성품 속성을 읽지 않습니다. 많은 수의 스파 스도 필요하지 않습니다. 기능이 많을수록 안정적인 관계를 찾기가 더 어려워집니다.
수식을 작성하는 것보다 배열에서 읽고 계산 된 데이터로 작업하는 것이 더 쉽지 않습니까?
코드를 전혀 변경할 수 없다고 생각합니다. 저는 실험을 고집하지 않습니다.
아직 학습 중
R2: 0.9806482223765112
3000의 2204 모델 배우기
수식을 작성하는 것보다 배열에서 읽고 계산된 데이터로 작업하는 것이 더 쉽지 않나요?
코드를 전혀 변경하지 않는 것은 불가능할 것이라고 생각합니다. 나는 실험을 고집하지 않습니다.
내가 말하고 싶었던 주요 내용을 이해하지 못했고, 우선 SB (무작위 걷기)에서 비행 계획을 실행 해보고 아마도 (확실히) 가까운 결과를 얻을 수 있습니다.
8 %-오류는 말도 안되며, 제대로 준비된 칩과 목표물에서는 원칙적으로 발생할 수 없으며, 과거와 미래가 혼합 된 과거를 예측하고 있으며 예측은이 과거를 효과적으로 검색합니다.
SR - 관측 횟수의 근에 의해 정규화된 샤프 비율로, 전략 성과에 대한 표준 척도입니다. SR은 아쿠라시의 함수이며, 예측 수익률과 실현 수익률의 상관관계로 아쿠라시 60% 이상이면 두 자릿수 SR이 되며, 이는 (재투자 시) 평활 지수 편일예탁잔고입니다.
공식을 터미널로 전송해야 합니다. 기성품 봇을 보내드리겠습니다. 나에게 필요한 것은 기능뿐입니다. 공식에서 할 수없는 경우 지표의 이름.
바이너리 모델을 별도로 제공 할 수 있습니다. 결국에는 두 가지가 있다는 것을 이해합니까? 이 접근 방식을 사용하면 모든 데이터로 작업 할 수 있습니다.
바이너리 모델을 따로 알려주실 수 있나요? 결국 두 가지가 있는 건가요? 이 접근 방식을 사용하면 모든 데이터로 작업할 수 있습니다.
흥정하지 않겠습니다. 저에게 훈련을 요청하셨습니다. 징후를 주시면 훈련하고 테스트하겠습니다. 좋은 것으로 판명되면 소스 코드를 제공하겠습니다.
정상적인 징후가 있다면 그 수가 많을 수는 없습니다. 6천 개의 징후가 있는 데이터 세트는 필요하지 않아요. 그럴 시간이 없어요.
그렇지 않으면 다른 일을 할 겁니다.
지난 몇 페이지 동안 열기가 조금 뜨거워진 것 같습니다. 저는 모두가 상대를 깎아내리지 말고 장점을 중심으로 글을 써주실 것을 부탁드립니다.
모두가 자신이 옳다고 생각한다는 것을 이해하지만 다른 사람의 의견도 존중하려고 노력하십시오.
논쟁과 구분은 패키지(Python/R)로 남겨두는 것이 좋습니다. 어차피 아무도 누구에게도 증명할 수 없으니까요.