Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1113
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
und ich will damit Folgendes sagen. Stellen Sie das Problem zunächst in ein Vakuum. mit Ihrer Metrik.
Wenn Sie es in einem Testgerät mit Schleppnetz und anderen Dingen laufen lassen wollen:
Stellen Sie die Daten in .csv mit der Zielsetzung bereit (ich verstehe, dass Sie diese binäre Klassifizierung haben). trainieren Sie dann das Modell und sagen Sie die Zielsetzung voraus. das Ergebnis wird als eine Liste von Modellantworten in denselben Tester geladen und ausgeführt. Aber das für jedes Modell zu tun, ist eine andere Variante der Anpassung, es ist besser, über Metriken oder Ziele nachzudenken. Und im Prüfgerät sollten wir nur die letzte Variante ausführen.
Und für Echtzeit ist ein separates Problem, und nicht alle Modelle können in einer DLL verpackt werden
Ich weiß nicht, ich habe alle Modelle in MT gewickelt und spüre es gut.
Und ich habe mich für diese Metrik entschieden. Ich übrigens, in Optimierer geändert, um es Mathews's Metrik, es hat parabolische Schätzung im Gegensatz zu Metriken der Spezifität oder Empfindlichkeit. Aber ich verstehe, dass, wenn der Optimierungsalgorithmus fertig ist, dann ist das Problem mit den Metriken gelöst durch....
Alles, jedes Modell ist eine Formel, wenn Sie Black Boxes verwenden, aus denen Sie nichts herausholen können, ist das Ihr Problem.
Was für ein Tester, Arschloch und so. Du hast keine Ahnung, wer Misha ist und was für eine faszinierende Reise dich erwartet
vor Ihnen)))
Und vor allem profitabel....
Ich bin allerdings kein Befürworter von DLL und allen Arten von Bündeln... Ich mag MKUL pur in seiner ursprünglichen Form :-)
Das war's, jedes Modell ist eine Formel, wenn Sie Black Boxes verwenden, aus denen Sie nichts herausholen können, ist das Ihr Problem.
Was für ein Tester, Arschloch und so... Du hast keine Ahnung, wer Misha ist und was für eine faszinierende Reise hinter ihm liegt
vor Ihnen)))
Hören Sie, können Sie die Daten aus der PSV-Datei nach dem Training so handeln, dass das Ergebnis in Form einer Bilanzkurve????
Alles, jedes Modell ist eine Formel. Wenn Sie Black Boxes verwenden, aus denen Sie nichts herausholen können, ist das Ihr Problem.
Was für ein Tester, Arschloch und so... Du hast keine Ahnung, wer Misha ist und was für eine faszinierende Reise dich erwartet
vor Ihnen)))
Alle mehr oder weniger produktiven ML-Libs sind heutzutage Black Boxes)
Alle mehr oder weniger produktiven ML-Libs sind jetzt Black Boxes)
Richtig, deshalb steht die Methode zur Bewertung des Ergebnisses im Vordergrund. Die gleiche Metrik, die wir sprechen und wenn Metrik angemessen schätzen das Ergebnis erhalten dann Backpropagation Methode wird für Black-Box zu tun, ist die älteste Methode heftig über-trainiert, aber wenn in den Lernprozess, um das Ergebnis mit Super-Duper-Metrik zu schätzen, dann können Sie optimieren, bis diese Metrik wird nicht sagen, STOP zu Optimierungsalgorithmus.
Ich habe ernsthafte Pläne für den Optimierer von Reshetlova, und ich habe großartige Arbeit mit ihm geleistet. Hinzu kommt, dass super duper Metriken und dafür habe ich schon ein paar Ideen ...
Richtig, deshalb steht die Bewertungsmethode des erzielten Ergebnisses im Vordergrund. Die gleiche Metrik, die wir sprechen und wenn Metrik angemessen bewertet das Ergebnis, dann für Black-Box die Methode der Rückvermehrung von Fehlern zu tun, ist die älteste Methode heftig übertrainiert, aber wenn in den Lernprozess, um das Ergebnis mit Super-Duper-Metrik zu bewerten, dann können Sie optimieren, bis diese Metrik wird nicht sagen, STOP für die Optimierung Algorithmus.
Ich habe ernsthafte Pläne für den Optimierer von Reshetlova, und ich habe großartige Arbeit mit ihm geleistet. Fügen Sie es zu den ganz super duper Metriken hinzu und dafür habe ich schon ein paar Ideen ...
Die Metrik ermöglicht es Ihnen, den Moment zu erkennen, in dem das Modell beginnt, sich neu zu trainieren.
+ Das Schreiben eigener Metriken schränkt Sie sofort in der Entwicklungsumgebung und bei den verwendeten Bibliotheken ein (nicht alle unterstützen nicht standardisierte Metriken).
Denken Sie besser über das Ziel nach, damit es Ihren tatsächlichen Bedürfnissen entspricht. Und kann mit Standardmetriken in ML bewertet werden:
https://habr.com/company/ods/blog/328372/
https://ru.coursera.org/lecture/vvedenie-mashinnoe-obuchenie/mietriki-kachiestva-klassifikatsii-1-IVuAc
Es ist in Python, r oder pr in ein paar Zeilen erledigt (größere Spreads, Slippage...)
es wird nicht anders sein als das echte, das habe ich dir schon hundertmal gesagt)))) Warum brauchen Sie
Equi ist nicht klar, es gibt keine guten Modelle und wird auch nie welche geben... Und sag dem Typen, was du vorhast.
(z. B. haben Sie keine lange Datenhistorie)).
Na ja, du weißt schon... Ich verwende die Kurve auch, um zu entscheiden, welches Modell ich verwenden soll. Was nützt ein Modell, wenn es 90 % der gewinnbringenden Geschäfte tätigt und in den entscheidenden Momenten große Verluste einfährt. Die Art der Ausgleichskurve spielt eine Rolle. Natürlich wird das nicht ausreichen, aber ich werde trotzdem eine Vorstellung davon haben.
Wie viele Daten benötigen Sie für die Ausbildung????
Beachten Sie, dass die Optimierungsfunktionen in den meisten ML-Bibliotheken gleich bleiben, unabhängig davon, welche Metrik Sie sich hier ausdenken. Die Metrik ermöglicht es Ihnen nur, den Zeitpunkt zu erkennen, an dem das Modell beginnt, sich neu zu trainieren.
+ Das Schreiben eigener Metriken schränkt Sie sofort in der Entwicklungsumgebung und bei den verwendeten Bibliotheken ein (nicht alle unterstützen nicht standardisierte Metriken).
Denken Sie besser über das Ziel nach, damit es Ihren tatsächlichen Bedürfnissen entspricht. Und kann mit den in der ML verwendeten Standardmetriken bewertet werden:
https://habr.com/company/ods/blog/328372/
https://ru.coursera.org/lecture/vvedenie-mashinnoe-obuchenie/mietriki-kachiestva-klassifikatsii-1-IVuAc
Thax.... ist alles in Ordnung. neuer Typ.... Sie kommen mir nicht bekannt vor :-)
Mein Targeting ist in Ordnung, machen Sie sich keine Sorgen darüber, und der Optimierer ist in Java geschrieben. Sie glauben nicht, dass es möglich ist, so komplexe Metriken wie die von Ihnen gewünschten zu implementieren???? bitte....
Thax.... ist alles in Ordnung. Neuer Typ.... Sie kommen mir nicht bekannt vor :-)
Ich habe kein Problem mit dem Targeting, machen Sie sich keine Sorgen, der Optimierer ist in Java geschrieben. Sie glauben nicht, dass es möglich ist, so komplexe Metriken wie die von Ihnen gewünschten zu implementieren???? bitte....
es war das 10. Jahr der Entwicklung des Optimizers...
aber glückliche Menschen schauen nicht auf die Uhr