トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 2553

新しいコメント
 
Dmytryi Nazarchuk#:
ロジスティック回帰
フォレスト／ブッシュ回帰の方が精度が高い。
 
elibrarius#:

いや、暗記した歴史のデータベースなんですけどね...。

それは修辞的な質問だった:)))

 
mytarmailS#:

それは修辞的な質問でした:)))

話題になっていること、わかります))
MOの新参者向けです。ここに入ってきたら

 
Vladimir Perervenko#:

ノイズサンプルの処理方法には、削除、再分割（マークアップの修正）、ノイズサンプルを別のクラスに分けるという3つの選択肢があります。私の経験では、サンプルの25％くらいが「ノイズ」です。品質向上は5％程度で、モデルやデータ作成に依存する。たまに塗って います。

予測変数の使用にはもう一つ問題があります。そしてこの問題は、テストと運用の両方で特定され、考慮されなければならない。付録には、記事の翻訳（ネットで他を探す）と、ドリフターパッケージが あります。それだけではありません。しかし、重要なのは、予測因子を選択する際に、その重要性だけでなく、ドリフトも考慮する必要があるということです。高ドリフターには捨てたり変換したり、低ドリフターにはテストや作業時に考慮（修正）する必要があります。

グッドラック

"たまに応募する "ってどういうこと？

何らかの実績のあるパイプラインがあるのか、それとも単なる憶測なのか。

ノイズを別のクラスにすることは、理論的にはモデルを改善しない（モデル内部に留まり、どこにも行かない）。

ドリフトについて - これが基本、バイアスとバリアンスのトレードオフ
 
マキシム・ドミトリエフスキー＃．
将来の相場の分布を予測してみたか？
 
mytarmailS#:
未来の相場の分布を予測してみたことはありますか？

そんなことをやってみたが、何がなんだかわからない

固定長の未来チャンクをクラスタリングして、クラスタ番号を予測したことを思い出してください。各クラスタにはそれぞれ異なる分布があり、それぞれに異なる戦略を持っています。トレインではうまくいったのに、新しいデータで真正面からやると失敗する。
 
Maxim Dmitrievsky#:

をしたのだが、何が何だかわからなかった。

固定長の未来チャンクをクラスタリングして、クラスタ数を予測したことを思い出してください。各クラスタにはそれぞれの分布があり、それぞれの戦略がある。Trayneではうまくいったのですが、新しいデータで、直接やると失敗します。

思い出すのは...

少し違う考えもあるのですが...。

将来の相場の分布を、例えばローソク足50本先まで定性的に予測できれば、この分布から数千の系列を抽出してモデルを学習させ、こうすれば理論上は新しいローソク足50本に対してモデルが十分に機能する......ということです。

 
時々このスレッドをチェックするのですが、同じ顔ぶれ、同じ機種の話題、もしかしたら誰かが何か持っているのでは？
 
Farkhat Guzairov#:
私は定期的にトピックを訪問し、顔は同じです、モデルの議論は同じです、多分誰かが表示する何かを持っていますか？
これは、解決すべき問題ではありません
1...254625472548254925502551255225532554255525562557255825592560...3399
新しいコメント
理由: