Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1477
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 habe auch eine Idee, wie man den Preis aufteilen kann.
Wir nehmen einen Preis und gruppieren ihn in, sagen wir, 10 Cluster, trainieren das Netzwerk, sehen den Fehler...
Dann lassen wir einen Cluster, sagen wir den zehnten, weg, trainieren das Netz erneut und sehen uns den Fehler an. Und so probieren wir alle Kombinationen aus, bis wir etwas Interessantes finden... Am Ende könnte sich herausstellen, dass nur 1,3,9 Cluster in der Reihe übrig bleiben sollten, um gute Vorhersagen zu machen.
Ich habe auch eine Idee, wie man den Preis aufteilen kann.
Wir nehmen einen Preis und gruppieren ihn in, sagen wir, 10 Cluster, trainieren das Netzwerk, sehen den Fehler...
Dann lassen wir einen Cluster, sagen wir den zehnten, weg, trainieren das Netz erneut und sehen uns den Fehler an. Und so probieren wir alle Kombinationen aus, bis wir etwas Interessantes finden... Schließlich können wir feststellen, dass wir nur 1,3,9 Cluster in der Reihe behalten sollten, um gute Vorhersagen zu machen.
Eine Analogie ist das Werfen von Blättern aus dem Baum, wie es Alexej getan hat.
Das Problem ist jedoch, dass 1 Baum immer schlechter ist als 100-200 Bäume in einem Wald.
Eine Analogie - Blätter vom Baum werfen, wie Alexej
Nein, das ist etwas anderes...
Das Wegwerfen von Blättern ist eine Änderung der Regeln im Entscheidungsbaum, der den Prozess vorhersagt
Ich schlage vor, den Prozess selbst zu ändern.
Das ist kein Scheiß, das ist nur ein Witz.)
Koldun beginnt einen weiteren viermonatigen Urlaub, während der Lehrer weiter daran arbeitet, "sein Image zu verbessern". Was für ein Brüller))) urkomisch...
Ich habe auch eine Idee, wie man den Preis senken kann.
Die Dimensionalität kann auf viele Arten verringert werden, das wäre eine gute Idee. Das einfachste Beispiel. Schwarz dünn - Lückentext, blaue Punkte
Überschneidungen, rot - ein primitiver Versuch, die ursprüngliche vr aus den syn.dots zu rekonstruieren. Es gibt eine Vielzahl von Wiederherstellungsmethoden.
Die "Qualität der Durchforstung" lässt sich anhand der Einfachheit der Wiederherstellungsfunktion beurteilen. Einfacher ist besser...
Die Analogie ist, dass man Blätter von einem Baum wirft, wie Alexej.
Das Problem ist jedoch, dass 1 Baum immer schlechtere Ergebnisse liefert als 100-200 Bäume im Wald.
Nicht wegwerfen, sondern aussortieren. Es ist, als würde man verschiedene Ministrategien zu einem großen Pool zusammenfassen. Und dann entweder kollegiale Entscheidung oder jedem Blatt ein festes Los geben, was ich jetzt mache.
Das Fallenlassen der Blätter bedeutet eine Änderung der Regeln im Entscheidungsbaum, der den Prozess vorhersagt.
Warum sollten sich die Regeln ändern? Nein, es werden nur die Blätter entfernt, die mehr Vertrauen in ihre Ergebnisse haben, und zwar auf Kosten derjenigen, die um des Systems willen jede Vorhersage treffen wollen. Mit anderen Worten, ein einziger Baum hat vielleicht nicht die Lösung für eine Situation, aber wenn Hunderte von verschiedenen Bäumen verwendet werden und eine Auswahl getroffen wird, wird die Wahrscheinlichkeit, dass es keine Lösung für die Situation gibt, unbedeutend.
Der Zauberer beginnt einen weiteren 4-monatigen Urlaub, der Lehrer arbeitet weiter daran, "das Image zu verbessern". Was für eine lustige Geschichte))) urkomisch ...
Du sprichst schon von dir selbst in der dritten Person, du bist total verrückt.) ist das Bild in Ordnung.
Die Dimensionalität kann auf verschiedene Weise verringert werden, damit es funktioniert. Das einfachste Beispiel. Schwarz dünn - Lückentext, blaue Punkte -
und rot - ein primitiver Versuch, das ursprüngliche Bild auf syn.dots wiederherzustellen. Es gibt eine Vielzahl von Wiederherstellungsmethoden.
Die "Qualität der Ausdünnung" lässt sich anhand der Einfachheit der für die Rekonstruktion verwendeten Funktion beurteilen. Einfacher ist besser...
Vielen Dank, das ist sehr interessant! Gibt es wissenschaftliche Namen für "Ausdünnung" und "Erholungsfunktionen"? Es wäre interessant, darüber zu lesen.
Warum werden die Regeln geändert? Nein, sie eliminieren einfach diejenigen, die sich ihrer Ergebnisse mehr sicher sind, auf Kosten derjenigen, die um des Systems willen jede Vorhersage in den Wind schlagen würden. Mit anderen Worten, ein einziger Baum hat vielleicht nicht die Lösung für eine Situation, aber wenn Hunderte von verschiedenen Bäumen verwendet werden und eine Auswahl getroffen wird, wird die Wahrscheinlichkeit, dass es keine Lösung für die Situation gibt, unbedeutend.
Nun, dies ist eine Regeländerung, egal wie man es dreht und wendet, und in welche Richtung sie geändert wird, ist eine andere Frage.
Wenn ich mir Ihre Zeichnung mit der Kreuzung der Waggons ansehe, bin ich erstaunt, wie kühl und oft der Kurs an Kreuzungen dreht, nur in die entgegengesetzte Richtung)) gegen die Signale der Menge.
Aber natürlich funktioniert das aufgrund der Variabilität der Markteigenschaften nicht immer, ich brauche einen adaptiven Indikator. Und ich habe eine Idee, ob wir NS beibringen können, die "richtigen" Wellenperioden im Echtzeitmodus zu erraten, um Umkehrungen genau zu erfassen?
Wer hat Ideen für das Ziel und welche Preisparameter sollten als Prädiktoren herangezogen werden?
Nun, es handelt sich um einen Klassiker, wie ich oben bereits geschrieben habe, wenn es um die Vorhersage des Optimums von TK-Merkmalen und Ergebnissen geht (Equity/Pnl...).
Wenn "direkt", ist das Prinzip das gleiche wie bei Returnees oder Volos, für jede Stichprobe teilen die Probe in "vor" und "nach" von einigen gleitenden Punkt Preis(t), berechnen alle Zahlen für {Preis(t-N),Preis(t)} und Ziel Zahlen {Preis(t+1),Preis(t+K)} und laufen t durch die gesamte Serie. In diesem Fall sind die Ziele die winkenden Optima auf {Preis(t+1),Preis(t+K)} in einem bestimmten Zeitfenster in der Zukunft, und die Merkmale können im Grunde alles sein, von Stochastik oder Momentum verschiedener Perioden bis zu winkenden Optima oder anderen TCs auf der vorherigen Periode{Preis(t-N),Preis(t)}.
Welche Version von JPrediction verwenden Sie?
14 scheint es.