Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3191
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
Ich wollte etwas über maschinelles Lernen lesen, und hier sind Humoristen, die an ihren Fähigkeiten feilen.
Ich würde gerne Humorwitze und andere Dinge sehen, die nicht mit dem Thema zu tun haben.
Jetzt zum Thema.
Sie schreiben, dass Sie glauben, der Markt sei zufällig, worauf stützt sich diese Aussage?
Haben Sie irgendwelche stichhaltigen Gründe, um die Zufälligkeit der Marktpreisbewegung zu beweisen?
Wozu dienten dann Ihre zahlreichen Gifs mit stetig ansteigenden Salden? Vielleicht haben Sie die Antwort auf Ihre Frage einfach nicht verstanden?
Die Gifs sind für mich eine neue Variante der Entwicklung der Verwendung von Quanten-Cutoffs, die ich beschrieben habe. Ich habe gezeigt, dass 10 Quanten-Cutoffs für eine bestimmte Probe auch ausreichen, um eine positive Bilanz für eine Trainingsprobe zu erhalten. Dementsprechend habe ich gesagt, dass die zufällige Auswahl des ersten Quantensegments (aus den zuvor ausgewählten) es ermöglicht, die Sequenz zu finden, bei der der Saldo bei den Stichproben Test und Prüfung ein positives Wachstum aufweist. Es gibt also Quantensegmente, die nur bei der Zugprobe wirksam sind, und solche, die auch bei anderen Proben wirksam sind. Und wenn sie sich so unterschiedlich verhalten, dann beschreiben wahrscheinlich einige von ihnen ein stabiles Muster und einige von ihnen ein falsches. Die Frage war also, ob es in der Phase der Suche/Erstellung dieser Quantensegmente möglich ist, diejenigen auszuwählen, die falsch sind. Es ist klar, dass die von mir verwendeten Kriterien nicht ausreichen, um falsche Quantensegmente herauszufiltern. Die Idee, das Ziel zu verwechseln, dient im Wesentlichen als Test, um die Wahrscheinlichkeit der Auswahl von Quantensegmenten auf der SB zu beurteilen.
Deshalb verstehe ich nicht, dass ich hier Quantensegmente auf einer zufällig platzierten Zielscheibe ausgewählt habe und nun eine Waage konstruieren muss? Auf die gleiche Weise, aber ohne Zufallsgenerierung, wie ich es in den Gifs gezeigt habe?
Es ist nur so, dass die Art und Weise, wie ich eine Folge von Quantensegmenten aus denjenigen auswähle, die ich zuvor in der Probe ausgewählt habe, nicht als vollständig angesehen wird, sondern eher das Potenzial der Möglichkeit zeigt.
Deshalb verstehe ich auch nicht, warum und wie man das durch Abwägen bewerten kann.
Die durchschnittliche Entropie wird in diesem Fall als eine Zahl ausgedrückt, die dem Logarithmus der Anzahl der möglichen Wege entspricht. Diese Zahl kann ein beliebiger positiver Wert sein, abhängig von der Anzahl der Schritte und der Länge der einzelnen Wanderungsschritte. Wenn beispielsweise auf einer Zahlenachse mit der Schrittlänge 1 und der Anzahl der Schritte 10 zufällig gewandert wird, beträgt die Anzahl der möglichen Wege 2^10 = 1024, und die durchschnittliche Entropie ist gleich dem Logarithmus von 1024, d. h. etwa 6,93.
Bei einer Reihe von Zitaten waren die Zahlen im Durchschnitt mit jenen von sb vergleichbar.
Wenn ich mich richtig erinnere, trifft der Prädiktor im Baum nur die Hälfte des Bereichs, ohne nach der besten Stelle für die Aufteilung zu suchen?
Durch Auslassung wird er normalerweise in zwei Hälften geteilt. Im Alglibow-Wald gab es eine Option, durch 4 zu teilen. Ich habe mir die Option erweitert, in jeder beliebigen Schrittweite zu teilen. Ich weiß nicht, wie es bei catbusta ist, aber die Sache ist einfach, sie sollte es sein. Cutbust sucht an einem zufälligen Punkt nach Splits.
Bei OOS erhält man normalerweise die besten Modelle, wenn man durch die Hälfte teilt. Es lernt sehr schnell um, wenn der Abstand klein ist.
Vom Informationsstandpunkt aus gesehen ist der Markt willkürlich, wenn man die Menge an Informationen auf dem Markt und den Kursen vergleicht. Ich habe das vor einigen Jahren verglichen. Aus der Sicht eines Laien: Der Markt verändert sich, die Muster ändern sich mit der Zeit.
Wenn Sie Daten erhalten, die die Turbulenzströme eines Flugzeugflügels aufzeichnen, und Ihr Test zeigt, dass sie zufällig sind (und das werden sie)
Können diese Daten als zufällig betrachtet werden?
Wenn Sie Daten erhalten, die turbulente Strömungen an einem Flugzeugflügel aufzeichnen, und Ihr Test zeigt, dass diese zufällig sind (und das werden sie)
Können diese Daten als zufällig betrachtet werden?
Die durchschnittliche Entropie wird in diesem Fall als eine Zahl ausgedrückt, die dem Logarithmus der Anzahl der möglichen Wege entspricht. Diese Zahl kann ein beliebiger positiver Wert sein, abhängig von der Anzahl der Schritte und der Länge der einzelnen Wanderungsschritte. Wenn beispielsweise auf einer Zahlenachse mit der Schrittlänge 1 und der Anzahl der Schritte 10 zufällig gewandert wird, beträgt die Anzahl der möglichen Wege 2^10 = 1024, und die durchschnittliche Entropie ist gleich dem Logarithmus von 1024, d. h. etwa 6,93.
Bei einer Reihe von Zitaten waren die Zahlen im Durchschnitt mit jenen von sb vergleichbar.
Aus persönlicher Erfahrung.
Das kann kein Zufall sein, denn ich habe noch viele ähnliche Bilder.
Der Markt ist nicht zufällig, das ist eindeutig)
Aus persönlicher Erfahrung.
Es kann kein Zufall sein, da ich noch viele ähnliche Bilder habe.
Durch Schweigen wird er normalerweise in zwei Hälften geteilt. Im Alglibov-Wald gab es eine Variante der Division durch 4. Ich habe die Möglichkeit erweitert, in beliebigen Schritten zu teilen. Ich weiß nicht, wie katbusta das macht, aber die Sache ist einfach, sie sollte es sein. Cutbust sucht nach Teilungen an einem zufälligen Punkt.
Bei OOS erhält man normalerweise die besten Modelle, wenn man durch die Hälfte teilt. Es lernt sehr schnell um, wenn der Abstand klein ist.
Bei katbusta - per Quantentabelle ist es overfitting :)
Vielleicht versuchen, die Tabelle zur gleichen Zeit für die Kompatibilität zu implementieren?
Ich habe eine Datei nach dem CatBoost-Standard angehängt - die erste Spalte ist die Prädiktornummer und die zweite Spalte ist der Split.
Aus persönlicher Erfahrung.
Das kann kein Zufall sein, denn ich habe noch eine Menge ähnlicher Bilder.
Der Markt ist nicht zufällig, das ist sicher)
Oooh . ja , ich wollte dieses Beispiel auch schon oft bringen, aber es ist mir immer entfallen.