Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1535
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
Inkremente
Ich werde den Stecker dieses Wochenende fertigstellen und ihn testen. Ich plane, das Modell in die Cloud hochzuladen und die Signale vom Terminal abzurufen. Ich werde das Modell in die Cloud stellen und die Signale vom Terminal abgreifen. Später kann man es auch testen, wer will. Ich kann den Client auf mt5 später sendenIch würde dann in das Kopieren oder Wiederholen der Methode investieren.
Meine Experimente mit Alglib-Wald und Einzelbaum mit Kurssteigerungen beim Einstieg und mit Ziel-TP/SL - haben nichts Interessantes ergeben.
Es ist interessant, sich die Demo zunächst nur ein paar Monate lang anzusehen.
Und dann investieren Sie in das Kopieren oder Wiederholen der Methode.
Meine Experimente mit dem Alglib-Wald und dem Einzelbaum mit den eingegebenen Preisschritten und dem durch TP/SL markierten Ziel haben nichts Interessantes ergeben.
Ich bin erst nach einem Jahr dazu gekommen, Ziele richtig zu konstruieren, und durch Änderung ihrer Parameter kann man acuraci auf vorhersehbare Weise verändern
auf der Demo, ja, die Tests werden zeigen.
alglib forest hat ein Problem, das ich nicht verstehe - je mehr Stichproben es hat, desto mehr wird es überstrapaziert
Vielleicht ist es sinnvoll, dafür einen Van Hot zu machen, d.h. die Merkmale in kategoriale umzuwandeln. Die Bäume würden nicht so groß seinalglib forest hat ein Problem, das ich nicht verstehe - je mehr Proben, desto mehr überfordert es
vielleicht ist es sinnvoll, einen Van Hot dafür zu machen, d.h. Merkmale in kategorische umzuwandeln. Die Bäume werden nicht so groß seinzum Thema
Manche Leute schreiben, dass Vanchot schlecht für Gerüste ist, weil es asymmetrische Bäume verursacht, andere schreiben, dass es das Übertreiben verhindert. Ich habe mich für die zweite Variante entschieden :)
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6368971/
in der Tat
Einige schreiben, dass Vanchot schlecht für die Wälder ist, weil es die Bäume asymmetrisch macht, andere schreiben, dass es das Übertreiben der Bäume verhindert. Ich habe mich für die zweite Variante entschieden :)
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6368971/
Sie können die Eingabedaten einfach diskretisieren, z. B. 5 Ziffern in 4 Ziffern umwandeln. Und die Daten werden bereits in 10er-Gruppen vorliegen.
Oder, wie ich bereits vorgeschlagen habe, können Sie den Alglib-Wald so einbauen, dass die Verzweigungen aufhören, wenn die gewünschte Tiefe oder Anzahl der Beispiele im Blatt erreicht ist.
Sie können die Eingabedaten einfach diskretisieren, z. B. einen 5-stelligen Wert in einen 4-stelligen umwandeln. Und die Daten werden bereits in 10er-Gruppen vorliegen.
Oder - wie ich bereits vorgeschlagen habe - einen Alglib-Wald einzubauen, der die Verzweigung stoppt, wenn die erforderliche Tiefe oder Anzahl von Beispielen im Blatt erreicht ist.
dies ist anders, Sie müssen kategorisch sein, damit ihre Werte nicht miteinander verglichen werden können
Ich werde den Artikel später lesen, ich habe ihn notiert, damit ich ihn nicht vergesse.Die großen Unternehmen wie Yandex arbeiten und tun etwas. Sie sagen: Tu dies und es wird dir gut gehen. Tun Sie es einfach so und machen Sie keine Amateurarbeit. Andernfalls werden Sie in Formulierungen und unterschiedlichen Ansätzen ertrinken.
Es zeigt die Veränderung entlang des Gefälles, indem es Bäume aufbautDas ändert sich, wenn man einen Baum hinzufügt, richtig, während ich mir die Stichprobe ansehen muss, als ob ich eine neue Zeile zur Stichprobe hinzufüge - wahrscheinlich, um zu verstehen, welche Bereiche/Situationen sich als schwierig zu lernen erweisen, und dementsprechend über Prädiktoren nachzudenken, die diese schwierig zu lernenden Bereiche überwinden können.
Nicht schlecht! Erhöhen Sie die Mengen und schon kann etwas verdient werden)
Auf diese Weise werden die Blätter ausgewählt und zu einem Modell kombiniert, um das Volumen zu erhöhen, wodurch die Anzahl der Eingaben, d. h. der Rückruf, erhöht werden kann.
Vielleicht würde diese Methode auch bei Ihrer Probe funktionieren, aber wenn sie beschleunigt würde...
Solche Ergebnisse liefert ein Baum mit einer Tiefe von 5-7 Splits, aber er zeigt nur ein bestimmtes Muster - normalerweise gehen 3-4 Blätter zu -1 und 1, und der Rest zu Null.
Inkremente
Wie viele Prädiktoren gibt es insgesamt?
Sie können Eingabedaten einfach diskretisieren, z. B. 5 Ziffern in 4 Ziffern umwandeln. Und die Daten werden bereits in 10er-Gruppen vorliegen.
Oder, wie ich bereits vorgeschlagen habe, können Sie den Alglib-Wald so einbauen, dass die Verzweigung aufhört, wenn die gewünschte Tiefe oder Anzahl der Beispiele in der Liste erreicht ist.
Natürlich sollte die Verzweigung nach Anzahl der Beispiele (Vollständigkeit - Recall) in einem einzelnen Blatt beschnitten oder einfach verboten werden. Außerdem können Bäume verworfen werden, wenn ihre Genauigkeits- und Vollständigkeitswerte unterhalb des Sockels liegen.
dies ist anders, Sie müssen kategorisch sein, damit ihre Werte nicht miteinander verglichen werden können
Ich hole mir den Artikel später, ich habe ihn heruntergeladen, damit ich ihn nicht vergesse.Übrigens, wie lauten Ihre Parameter für das Modelltraining?