Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1892

Neuer Kommentar
 
mytarmailS:

Ja! Ich habe noch keinen guten Grund gefunden, alle Arten von AMOs durchzugehen, wenn die "Lücke" in der Erkennungsqualität zwischen allen weniger als 5 % beträgt. Ihnen allen fehlt es offensichtlich an Informationen (Merkmalen), um das Objekt besser zu verstehen (besser zu klassifizieren) , und deshalb habe ich begonnen, ausschließlich an Merkmalen und der Darstellung von Informationen zu arbeiten.

Übrigens gibt es ein interessantes Paket in Python auf die automatische Generierung von Merkmalenfeaturetools, habe ich leider nicht geschafft, es in R-ka laufen, einige Probleme mit Python bei mir))) Schauen Sie es sich an, ich denke, es ist eine interessante Sache.

Und welche Art von Prädiktoren haben Sie hinzugefügt?

Bin noch nicht zu Python und R gekommen - sehr wenig Zeit :(


Ich frage mich, welche Art von Prädiktoren kann ich mit einem Regressionskanal ermitteln? Ich habe einen Koeffizienten, die Anzahl der Wiederholungen der Kanal-Konstruktion Vektor, Festsetzung Punkte, wo der Preis kreuzt die Grenzen des Kanals.

Und wer weiß vielleicht, wie der Regressionskanal im MT5 berechnet wird, wenn sein Endpunkt über das aktuelle Datum hinaus, d.h. in die Zukunft verlängert wird?

 
NeuronalesNetz:

Alles ist möglich )

folglich ist der Abfluss gleich um die Ecke ;)
 
mytarmailS:

featuretools, leider habe ich es nie geschafft, es in R auszuführen, ich habe einige Probleme mit Python)) Schauen Sie es sich an, ich denke, es ist eine interessante Sache.

denken oder beweisen? was ist daran interessant?

In [12]: feature_matrix_customers Out[12]: zip_code COUNT(sessions) NUM_UNIQUE(sessions.device) MODE(sessions.device) SUM(transactions.amount) STD(transactions.amount) MAX(transactions.amount) SKEW(transactions.amount) MIN(transactions.amount) MEAN(transactions.amount) COUNT(transactions) NUM_UNIQUE(transactions.product_id ) MODE(transactions.product_id) DAY(date_of_birth) DAY(join_date) YEAR(date_of_birth) YEAR(join_date) MONTH(date_of_birth) MONTH(join_date) WEEKDAY(date_of_birth) WEEKDAY(join_date) SUM(sessions.SKEW(transactions.amount)) SUM(sessions.NUM_UNIQUE(transactions.product_id)) SUM(sessions.MAX(Transaktionen.Betrag)) SUM(sessions.MIN(transactions.amount)) SUM(sessions.STD(transactions.amount)) SUM(sessions.MEAN(transactions.amount)) STD(sessions.SKEW(transactions.amount)) STD(sessions.NUM_UNIQUE(transactions.product_id)) STD(sessions.MAX(transactions.amount)) STD(sessions.SUM(transactions.amount)) STD(sessions.COUNT(Transaktionen)) STD(sessions.MIN(transactions.amount)) STD(sessions.MEAN(transactions.amount)) MAX(sessions.SKEW(transactions.amount)) MAX(sessions.NUM_UNIQUE(transactions.product_id)) MAX(sessions.SUM(transactions.amount)) MAX(sessions.COUNT(Transaktionen)) MAX(sessions.MIN(transactions.amount)) MAX(sessions.STD(transactions.amount)) MAX(sessions.MEAN(transactions.amount)) SKEW(sessions.NUM_UNIQUE(transactions.product_id)) SKEW(sessions.MAX(transactions.amount)) SKEW(sessions.SUM(transactions.amount)) SKEW(sessions.COUNT(transactions)) SKEW(sessions.MIN(transactions.amount)) SKEW(sessions.STD(transactions.amount)) SKEW(sessions.MEAN(transactions.amount)) MIN(sessions.SKEW(transactions.amount)) MIN(sessions.NUM_UNIQUE(transactions.product_id)) MIN(sessions.MAX(transactions.amount)) MIN(sessions.SUM(transactions.amount)) MIN(sessions.COUNT(Transaktionen)) MIN(sessions.STD(transactions.amount)) MIN(sessions.MEAN(transactions.amount)) MEAN(sessions.SKEW(transactions.amount)) MEAN(sessions.NUM_UNIQUE(transactions.product_id)) MEAN(sessions.MAX(transactions.amount)) MEAN(sessions.SUM(transactions.amount)) MEAN(sessions.COUNT(transactions)) MEAN(sessions.MIN(transactions.amount)) MEAN(sessions.STD(transactions.amount)) MEAN(sessions.MEAN(transactions.amount)) NUM_UNIQUE(sessions.MODE(transactions.product_id)) NUM_UNIQUE(sessions.DAY(session_start)) NUM_UNIQUE(sessions.WEEKDAY(session_start)) NUM_UNIQUE(sessions.YEAR(session_start)) NUM_UNIQUE(sessions.MONTH(session_start)) MODE(sessions.MODE(transactions.product_id)) MODE(sessions.DAY(session_start)) MODE(sessions.WEEKDAY(session_start)) MODE(sessions.YEAR(session_start)) MODE(sessions.MONTH(session_start)) NUM_UNIQUE(transactions.sessions.device) NUM_UNIQUE(transactions.sessions.customer_id) MODE(transactions.sessions.device) MODE(transactions.sessions.customer_id) customer_id 1 60091 8 3 mobile 9025.62 40.442059 139.43 0.019698 5.81 71.631905 126 5 4 18 17 1994 2011 7 4 0 6 -0.476122 40 1057.97 78.59 312.745952 582.193117 0.589386 0.000000 7.322191 279.510713 4.062019 6.954507 13.759314 0.640252 5 1613.93 25 26.36 46.905665 88.755625 0.000000 -0.780493 0.778170 1.946018 2.440005 -0.312355 -0.424949 -1.038434 5 118.90 809.97 12 30.450261 50.623125 -0.059515 5.000000 132.246250 1128.202500 15.750000 9.823750 39.093244 72.774140 4 1 1 1 4 1 2 2014 1 3 1 mobil 1 2 13244 7 3 Schreibtisch 7200.28 37.705178 146.81 0.098259 8.73 77.422366 93 5 4 18 15 1986 2012 8 4 0 6 -0.277640 35 931.63 154.60 258.700528 548.905851 0.509798 0.000000 17.221593 251.609234 3.450328 15.874374 11.477071 0.755711 5 1320.64 18 56.46 47.935920 96.581000 0.000000 -1.539467 -0.440929 -0.303276 2.154929 0.013087 0.235296 -0.763603 5 100.04 634,84 8 27,839228 61,910000 -0,039663 5,000000 133,090000 1028,611429 13,285714 22,085714 36,957218 78,415122 4 1 1 1 1 3 1 2 2014 1 3 1 3 3 13244 6 3 Schreibtisch 6236.62 43.683296 149.15 0.418230 5.89 67.060430 93 5 1 21 13 2003 2011 11 8 4 5 2.286086 29 847.63 66.21 257.299895 405.237462 0.429374 0.408248 10.724241 219.021420 2.428992 5.424407 11.174282 0.854976 5 1477.97 18 20.06 50.110120 82.109444 -2.449490 -0.941078 2.246479 -1.507217 1.000771 -0.245703 0.678544 -0.289466 4 126.74 889.21 11 35.704680 55.579412 0.381014 4.833333 141.271667 1039.436667 15.500000 11.035000 42.883316 67.539577 4 1 1 1 1 1 2 2014 1 3 1 Desktop 3 60091 8 3 Mobile 8727.68 45.068765 149.95 -0.036348 5.73 80.070459 109 5 2 15 8 2006 2011 8 4 1 4 0.002764 37 1157.99 131.51 356.125829 649.657515 0.387884 0.517549 3.514421 235.992478 3.335416 16.960575 13.027258 0.382868 5 1351.46 18 54.83 54.293903 110.450000 -0.644061 0.027256 -0.391805 0.282488 2.103510 -1.065663 1.980948 -0,711744 4 139,20 771,68 10 29,026424 70,638182 0,000346 4,625000 144,748750 1090,960000 13,625000 16,438750 44,515729 81,207189 5 1 1 1 1 1 2 2014 1 3 1 mobil 4 5 60091 6 3 mobil 634966 44.095630 149.02 -0.025941 7.55 80.375443 79 5 5 28 17 1984 2010 7 7 5 5 0.014384 30 839.76 86.49 259.873954 472.231119 0.415426 0.000000 7.928001 402.775486 3.600926 4.961414 11.007471 0.602209 5 1700.67 18 20.65 51.149250 94.481667 0.000000 -0.333796 0.472342 -0.317685 -0.470410 0.204548 0.335175 -0.539060 5 128.51 543.18 8 36.734681 66.666667 0.002397 5.000000 139.960000 1058.276667 13.166667 14.415000 43.312326 78.705187 5 1 1 1 3 1 2

 
Aleksey Vyazmikin:

Ich frage mich, welche Art von Prädiktoren wir mit einem Regressionskanal finden können.

Ich bin zu dem Schluss gekommen, dass es besser ist, nicht zu denken und nicht zu erfinden, sondern eine Art Umschreibungsalgorithmus zu schreiben, der die Eigenschaften synthetisiert und sie prüft, wenn die Eigenschaft gut ist, lässt man sie stehen, wenn sie schlecht ist, wirft man sie weg, so kann man Millionen von Optionen durchgehen, das ist eindeutig effizienter als menschliches Erfinden.

Danach können wir gute Zeichen verbessern und ändern, dann wieder, und so weiter, bis der Fehler abnimmt...

Ich habe mich von Ivakhnenkos Schriften und der MSUA-Methode inspirieren lassen und mag die Philosophie der Methode selbst.


Maxim Dmitrievsky:

denken oder beweisen? was ist daran interessant?

Nun, ich habe geschrieben, dass ich das Paket nicht ausführen konnte, wie kann ich etwas beweisen, wenn ich es nicht einmal berührt habe, ich habe die Dokumentation gelesen, es gibt eine Funktion, es macht Sinn, es zu versuchen, aber ich habe es aus den oben beschriebenen Gründen nicht versucht
 
mytarmailS:
 Ich habe geschrieben, dass ich das Paket nicht ausführen konnte, wie kann ich irgendetwas beweisen, wenn ich es nicht einmal angefasst habe, ich habe die Dokumentation gelesen, es gibt einige Tricks, es macht Sinn, es zu versuchen, aber ich habe es aus den oben beschriebenen Gründen nicht versucht

Sie können das Medium, den Standard und den Mod nicht selbst finden.

Für jede thailändische Serie ist sie perfekt. Sie müssen es also nicht von Hand machen.

Dies sollte in den LSTM eingefügt werden, der hier bereits erwähnt wurde

 
Maxim Dmitrievsky:

Sie können das Medium, den Standard und die Mode nicht selbst finden.

so primitiv ist das gar nicht, lesen Sie weiter

Aber am Ende müssen Sie natürlich Ihren eigenen Feature-Synthesizer schreiben

 
mytarmailS:

Ganz so primitiv ist es nicht, lesen Sie weiter.

ich bin fast fertig mit meinem Bot! die Tests werden bald abgeschlossen sein

wie viele Geomorodränge überwunden werden mussten
 
Maxim Dmitrievsky:

Ich bin fast fertig mit meinem Bot! Die Tests kommen!

warten)

 
NeuronalesNetz:

Er handelt bereits seit drei Jahren mit Neuronen. Ich habe mit ihm persönlich gesprochen. Er hat Konten für mindestens 100.000.000 verwaltet. Öffnen Sie sein Profil und Sie werden alle seine Konten sehen. Er hat es geschafft. Das werden Sie auch. Wenn du es jetzt nicht tust, wirst du es später schaffen. Gib nicht auf.)

Er hat es geschafft und handelt seit drei Jahren mit einem Demokonto ).

 
Petros Shatakhtsyan:

Er hat es geschafft, und deshalb handelt er jetzt seit drei Jahren mit einem Demokonto?)

Da haben Sie es.

sie haben die Illusion, reich zu werden, zunichte gemacht ...

1...188518861887188818891890189118921893189418951896189718981899...3399
Neuer Kommentar
Grund der Beschwerde: