Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1118
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
Wie immer - es gibt nichts zu besprechen)))
Ach, kommen Sie. Wie viele Daten brauchen Sie, um sie zu schätzen?
Ich brauche nichts. Geben Sie mir mindestens 2-3K Beobachtungen.
Datum, Roh, Verarbeitet, Ziel
Leider findet man nicht so viele in einem Leben. Und wie lange wird das Modell dann funktionieren? Für immer???
Ich brauche nichts. Geben Sie es mir, mindestens 2-3K Beobachtungen.
Datum, Roh, Verarbeitet, Ziel.
Er hat eine künstliche Intelligenz, die auch mit 50 lernen wird. Ihre Vorgehensweise ist einfach schwach.
Er hat eine künstliche Intelligenz, die auch mit 50 lernen wird. Ihre KI ist einfach schwach.
Ganz genau. Ich brauche die NS nicht, um nach einer solchen Ausbildung ein Jahr lang zu arbeiten. Wenn es gut funktioniert und mindestens die gleichen 50 Punkte erreicht werden, was 100 % der Ausbildungszeit entspricht, wird dies als Erfolg gewertet. Aber was bringt es, Tausende von Zeilen hineinzupacken und den Kopf mit Unsinn und unnötigen Daten zu füllen????
Das Lustige daran ist, dass Mishanis Optimierer gut darin ist, Abhängigkeiten aus kleinen Stichproben herauszufinden, was eigentlich seine Stärke ist. So steht es in dem Buch. Und er fängt es vage mit dem ein, was sein Gehirn ersetzt.
Zum anderen müssen Sie ohnehin auf einer großen Testfläche testen.
Und was bringt es, Tausende von Zeilen hineinzupacken, den Kopf mit Müll und unnötigen Daten zu füllen????
Das ist der Zeitpunkt, zu dem die NS etwas klassifizieren. Zumindest wird sie versuchen, etwas zu verallgemeinern, wenn das überhaupt möglich ist.
In diesem Fall wird der NS etwas klassifizieren. Zumindest wird sie versuchen, etwas zu verallgemeinern, wenn das überhaupt möglich ist.
Dies ist richtig, wenn das Gebiet endlich und statisch ist, aber in unserem Fall ist es unendlich und nicht stationär, so dass die Vergrößerung der Stichprobe zu einer Verschlechterung der Qualität des Trainings führt und das Modell daher bei neuen Daten schlecht funktioniert.
Um auf dem Markt Gewinne zu erzielen, muss der prozentuale Anteil der gewinnbringenden Geschäfte mehr als 75 % und nicht weniger betragen. Dies ist die Voraussetzung für gleiche Gewinne und Verluste. Sie trainieren das Netz auf 1000 Daten und das Lernergebnis beträgt 60 % als Beispiel. Welchen Sinn hat es, ein solches Modell zu verwenden, wenn es schlecht trainiert???? Ich bin sicher, dass man auf einer großen Fläche keine guten Ergebnisse erzielen kann. Ich spreche von einem verallgemeinerten Modell, nicht von einem neu trainierten Modell... IMHO
Trend = 100k Zeilen. Auf den verbleibenden (Test) wenden Sie das Modell an.
Die Metrik ist logloss. Ergebnis. Trend =... Test =...
Ich habe die ersten 1-- Zeilen aus Ihrer Datei genommen und das Training durchgeführt. Wenn das Ergebnis um 40 Instanzen höher ist als meins, werde ich Ihre Daten als besser betrachten als meine. Schauen wir mal...