Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 646

 
Dr. Trader:

Es stehen 2 Typen zur Auswahl -
1=Mittelwert der Abnahme der Genauigkeit (das ist wahrscheinlich mda, die ersten Buchstaben passen)
2=mittlerer Rückgang der Knotenverunreinigung

und es gibt auch spezielle Pakete VSURF, VarSelRF, Boruta.

 
Iwan Negreshniy:

Und es gibt auch spezielle Pakete VSURF, VarSelRF, Boruta.

Welche ist besser? )

 
Maxim Dmitrievsky:

Welche ist besser? )

Dies ist also nur ein kleiner Teil von R, der mit Random Forests arbeitet, Boruta scheint auch für Python zu sein.

Die besten sind, IMHO, diejenigen, die mehr Variationen haben, aber weniger Aufwand für den Benutzer. Die beste ist auf Vollautomatik, analysieren Sie das Modell und schauen Sie durch alle geeigneten).

 
Iwan Negreshniy:

Dies ist also nur ein kleiner Teil von R, der mit zufälligen Gerüsten arbeitet, Boruta scheint auch für Python verfügbar zu sein.

Ich denke, es gibt mehr Variationen, aber weniger Ärger für den Benutzer und das Beste ist, das Modell zu analysieren und alle geeigneten durchzusehen)

Ich habe daran gedacht, etwas aus dem Gerüst ficaimortans für MT5 umzuschreiben, um es zur Hand zu haben

Ich bin immer noch nicht dazu gekommen, es zu tun.

Ich gebe einen Dreck auf diesen ganzen P-Kram, das kann man nicht in einem Leben lernen... :) und man kann sie nicht alle verwenden
 
Maxim Dmitrievsky:

Ich habe mir überlegt, etwas von Scaffolding für MT5 umzuschreiben, um es zur Hand zu haben

Ich kann es immer noch nicht erreichen.

gib einen Scheiß auf das ganze Zeug von P, das kannst du nicht in einem Leben lernen... :) außerdem kann man sie nicht alle verwenden

Wenn Sie versuchen, es selbst zu tun, sollten Sie mit dem klassischen Breyman's Fishimportance beginnen - ordnen Sie die Futures in der Trainingsmenge nach und nach neu an und berechnen Sie ihre Relevanz anhand der Veränderung des MSE in der OOB oder des Gini-Index in der Baumaufteilung.

Es soll für Zeitreihen funktionieren, so dass Sie die erforderliche Anzahl weniger signifikanter Elemente löschen und die unterschiedlich langen Muster auf dieselbe Dimensionalität reduzieren können.
Random forest - Wikipedia
Random forest - Wikipedia
  • en.wikipedia.org
Random forests or random decision forests[1][2] are an ensemble learning method for classification, regression and other tasks, that operate by constructing a multitude of decision trees at training time and outputting the class that is the mode of the classes (classification) or mean prediction (regression) of the individual trees. Random...
 
Iwan Negreshniy:

Wenn Sie es selbst schreiben wollen, sollten Sie auf jeden Fall mit dem klassischen Breymann-Ficcimportance beginnen - Sie ordnen die Futures in der Trainingsmenge nacheinander neu an und berechnen ihre Wichtigkeit, indem Sie die MSE in OOB oder den Gini-Index in Tree Splits ändern.

Im Prinzip sollte es für Zeitreihen funktionieren, so dass Sie die notwendige Anzahl weniger signifikanter Elemente löschen und die Dimensionalität auf die gleichen, in ihrem Umfang unterschiedlichen Muster reduzieren können.

Ja, ich möchte Gini für den Anfang.

und im Allgemeinen ist das Gerüst einfacher zu benutzen, gleiche Optimierung

 
Meiner Meinung nach steigt der Preis langsamer als er fällt. D.h. verschiedene Bilder, die man sich merken kann, wären unterschiedlich. Aber es wird wahrscheinlich nicht lange dauern, einen Vergleich anzustellen.
 
elibrarius:
Ich glaube, der Preis steigt langsamer als er sinkt. Das heißt, es wird verschiedene Bilder geben, die man sich merken muss. Aber es wird wahrscheinlich nicht lange dauern, einen Vergleich anzustellen.

es ist das gleiche in Forex :) es gibt 2 Währungen

ich frage mich, ob es nicht einige Beispiele gibt, die sich gegenseitig ausschließen... eigentlich sollte es nicht viele geben

 
Maxim Dmitrievsky:

es ist das gleiche in Forex :) es gibt 2 Währungen

Ich frage mich, ob es irgendwelche Beispiele gibt, die sich gegenseitig ausschließen... eigentlich sollte es nicht viele geben

Das ist also in Ordnung. N sei die Klasse 1 und M die Klasse 2, und die Klassen würden sich überschneiden, was imho der Fall sein sollte.

Dann sind die Wahrscheinlichkeiten Pn=n/N und Pm=m/M. Wenn die Wahrscheinlichkeit > 0,5 ist, kann DM es selbst erledigen. Unserer Erfahrung nach liegt die Überschneidung zwischen 20 und 40 %, d. h. 20 bis 40 % der Transaktionen sind falsch.

 
Yuriy Asaulenko:

Das ist also in Ordnung. N sei die Klasse 1 und M die Klasse 2, und die Klassen würden sich überschneiden, was imho der Fall sein sollte.

Dann sind die Wahrscheinlichkeiten Pn=n/N und Pm=m/M. Wenn die Wahrscheinlichkeit > 0,5 ist, kann DM es selbst erledigen. Die Überschneidung der Erfahrungen liegt bei etwa 20-40 %, d. h. 20 bis 40 % der Abschlüsse werden falsch sein.

Im Wesentlichen ja, man kann keine Butter verderben, und es gibt weniger Übertraining. Und in solchen scheinbar kleinen Dingen kann der Schlüssel zur Effizienz liegen.

Nur habe ich keinen Unterricht, sondern einen Rückschritt.

und es ist auch möglich, die anfängliche Reihe zu transformieren (z. B. affin) und ihre Inkremente zu addieren (dafür ist Monte Carlo doch da, oder?)

Wie auch immer, ich mag bereits, was ich tue, 3 Wochen links bis zu meiner Ziellinie mit NS :))) entweder ein Gral oder zum Teufel mit ihm. Setzen Sie Ihre Wetten :)))

Grund der Beschwerde: