Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1437
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
Es hat lange gedauert, das herauszufinden, aber es sieht so aus. Der Alglib-Wald neigt dazu, mit zunehmender Stichprobengröße zu viel zu lernen, da es sich um ein pausenloses Gelage handelt. Bei einer mäßigen Stichprobengröße kann die Verallgemeinerbarkeit gut sein, aber bei einer größeren Stichprobengröße ist die Anzahl der Splits unüberschaubar, und ohne Pruning ist es nur ein Auswendiglernen. Daher ist eine Beschneidung erforderlich, um die Stichprobe zu vergrößern.
Ich habe noch nicht gesehen, wie es in der neuen Version auf ihrer Website funktioniert. Es ist möglich, dass diese Schwachstelle behoben worden ist.
Es hat lange gedauert, das herauszufinden, aber es sieht so aus. Der Alglib-Wald neigt dazu, mit zunehmender Stichprobengröße zu viel zu lernen, da es sich um ein pausenloses Gelage handelt. Bei einer mäßigen Stichprobengröße kann die Verallgemeinerbarkeit gut sein, aber bei einer größeren Stichprobengröße ist die Anzahl der Splits unüberschaubar, und ohne Pruning ist es nur ein Auswendiglernen. Daher ist eine Beschneidung erforderlich, um die Stichprobe zu vergrößern.
Ich habe noch nicht gesehen, wie es in der neuen Version auf ihrer Website funktioniert. Vielleicht ist dieser Fehler behoben worden.
Das Pruning sollte die Vollständigkeit kontrollieren, d.h. es sollte nicht weniger als 0,5-1% einer Stichprobe abdecken.
Warum quälen Sie die Software aus dem letzten Jahrhundert, im Cyberforum wurde eine fünfmal schnellere Variante vorgeschlagen. Der Autor von NeyroPro gestand, dass er seine Positionen für ein paar Jahrzehnte aufgegeben hat, jetzt schreiben sie einen optimalen Code.
Der Multiplayer in C, nicht schlecht, nicht schlecht, es ist unsere Maxim's zu pflegen, war er auf der Suche nach, wo MLP zu plündern, und hier ist rein C 50 Zeilen, obwohl es nicht sein Niveau noch.
Von nun an gibt es keine Wiederholungen mehr, ich habe Ihnen eine E-Mail geschickt, die Sie in Ruhe lesen können.)
Nun gut, es sind keine Renditen oder Indikatoren erforderlich, das MO ist in der Lage, Abhängigkeiten im Nettopreis zu finden. Ich werde streng, aber fair sein, wie im richtigen Leben oder bei der Arbeit in einem Büro und in der Beziehung zwischen Chef und Untergebenem.
Es hat lange gedauert, das herauszufinden, aber es sieht so aus. Der Alglib-Wald neigt dazu, mit zunehmender Stichprobengröße zu viel zu lernen, da es sich um ein pausenloses Gelage handelt. Bei einer mäßigen Stichprobengröße kann die Verallgemeinerbarkeit also gut sein, aber bei einer größeren Stichprobengröße ist die Anzahl der Splits unüberschaubar, und ohne Bereinigung stellt sich heraus, dass es sich nur um Auswendiglernen handelt. Daher ist eine Beschneidung erforderlich, um die Stichprobe zu vergrößern.
Ich habe noch nicht gesehen, wie es in der neuen Version auf ihrer Website funktioniert. Wahrscheinlich wird dieser Nachteil behoben.
Begrenzen Sie die Tiefe selbst - setzen Sie einen Zähler (Tiefe oder Anzahl der Beispiele im Blatt), und wenn dieser überschritten wird, beenden Sie die Teilung. In meinen Experimenten führte dies nicht zu einer Verbesserung der OOS, die immer noch bei 50+-5% liegt.
Zumindest habe ich bei diesem Prozess sowohl Stationarität als auch das Vorhandensein von gegenseitiger Information mit der Ausgangsreihe gesehen. Es gibt einige Ausreißer, die auch irgendwie behoben werden können, aber das müssen Sie selbst entscheiden
Die Formel ist einfach, ich habe sie auf mql umgeschrieben.
Ich habe auch einige Zeit über die Verwendung gegenseitiger Informationen nachgedacht, ich denke, das ist sinnvoll, vielleicht sogar ein Gral.
In Ordnung, keine Notwendigkeit für Rückkehrer oder irgendwelche Indikatoren, IO ist in der Lage, Abhängigkeiten im Nettopreis zu finden. Ich werde streng, aber fair sein, genau wie im richtigen Leben oder bei der Arbeit in einem Büro, in einer Chef-Untergebenen-Beziehung.
Nein, Kesha, im wirklichen Leben und hier im Forum hast du nicht genug Autorität, um etwas mit dir zu teilen. Arbeiten Sie daran.
Nein. Es gibt einfach umgeschriebene Funktionen, die ich für die Geschwindigkeit vermute. Tiefe gibt es noch bei der Gewinnung/dem letzten Split.
Begrenzen Sie die Tiefe selbst - setzen Sie einen Zähler (Tiefe oder Anzahl der Beispiele auf dem Blatt) und beenden Sie den Split, wenn er überschritten wird. In meinen Experimenten führte dies nicht zu einer Verbesserung der OOS, die immer noch bei 50+-5% liegt.
Ich habe keine Ahnung, wie es funktioniert, aber es heißt, dass es um Größenordnungen weniger Wald produziert, d. h. es muss tatsächlich weniger neu trainiert werden, da die Anzahl der Optionen geringer ist, selbst wenn die Tiefe gleich ist.
Nein. Es sind nur umgeschriebene Funktionen, die wohl der Geschwindigkeit wegen da sind. Die Tiefe hängt immer noch von der Gewinnung/dem letzten Split ab.
Begrenzen Sie die Tiefe selbst - setzen Sie einen Zähler (Tiefe oder Anzahl der Beispiele auf dem Blatt) und beenden Sie die Teilung, wenn sie überschritten wird. In meinen Experimenten führte dies nicht zu einer Verbesserung der OOS, die immer noch bei 50+-5% liegt.
So müssen Sie mit Renditen, wie jeder wurde desenformed von Forex demotivators alyosha und wacky wizard, und Renditen sind unabhängig, es gibt keine Informationen in ihnen mehr, keine Ebenen oder Trendlinien, reine SB.
Auch ich denke schon seit einiger Zeit über die Nutzung der gegenseitigen Information nach, ich halte sie für sinnvoll, vielleicht sogar für einen Gral.
Es ist eine sehr korrekte Denkweise, zumindest ... die Textdatei, die ich erfolgreich von SI umgeschrieben habe, handelt genau davon