Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2411
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
sehr cooler Vortrag
https://www.youtube.com/watch?v=l30ejdQKGBg
sehr cooler Vortrag
https://www.youtube.com/watch?v=l30ejdQKGBg
Im Frühjahr schlug ich bereits Ansätze für das Hinzufügen/Entfernen von Funktionen vor, auch nach Gruppen, ich hoffte, Maksim zu interessieren, aber leider. Wie ich bereits schrieb, funktioniert dieser Ansatz, aber jetzt habe ich es im halbautomatischen Modus implementiert, rein für Experimente, während ich eine Implementierung in R oder Phyton benötige, um in der Schleife zu arbeiten, deren Kern es ist, eine neue Aufgabe für das Training nach der Analyse der Trainingsergebnisse zu erstellen.
Aber die FRiS-Stolp-Methode, die in dem Video angepriesen wird, ist interessant, aber ich weiß nicht, ob es eine Implementierung in R oder Phyton gibt.
Im Frühjahr habe ich bereits Ansätze für das Hinzufügen/Entfernen von Funktionen vorgeschlagen
Diese Methoden gibt es wie Sand am Meer, ich weiß also nicht, was ich hier vorschlagen soll.
Aber es ist interessant, die FRiS-Stolp-Methode auszuprobieren, aber ich weiß nicht, ob sie in R oder Phyton implementiert ist.
Ich verstehe es auch nicht ))))
Es gibt doch so etwas wie Google ;)
Im Frühjahr schlug ich bereits Ansätze für das Hinzufügen/Entfernen von Funktionen vor, auch nach Gruppen, ich hoffte, dass ich Maksim interessieren werde, aber leider. Wie ich bereits geschrieben habe, funktioniert dieser Ansatz, aber jetzt habe ich ihn im halbautomatischen Modus implementiert, rein für Experimente, während ich eine Implementierung in R oder Phyton benötige, um in einer Schleife zu arbeiten, deren Kern es ist, eine neue Aufgabe für das Training nach der Analyse der Trainingsergebnisse zu erstellen.
Aber die Methode FRiS-Stolp, die im Video beworben wird, ist interessant, aber ich weiß nicht, ob es ihre Implementierung in R oder Phyton gibt.
Diese Methoden gibt es in Hülle und Fülle, es ist unklar, was man hier vorschlagen soll
Vorschlag zur Überprüfung der Wirksamkeit dieser Methoden für handelsbezogene Aufgaben.
Ich verstehe es auch nicht ))))
es gibt so etwas wie Google ;)
Warum diese ganze Aufregung?
Ich habe eine Suchmaschine benutzt und sogar etwas Code auf git-hub gefunden, aber es ist mir nicht klar, ob es funktioniert oder nicht.
Deshalb ist es für diejenigen, die sich damit auskennen, interessant, ihr Interesse zu hören und Möglichkeiten für eine Zusammenarbeit bei der Untersuchung des Themas zu finden.
Ich bin eher für konstruktive als für freche Äußerungen.
Es gibt eine Standardfunktion, Importe, die ausreicht
Die Wichtigkeit ist eine Statistik, die darauf beruht, wie oft ein Algorithmus bei der Erstellung eines Baums bestimmte Prädiktoren auswählt. Dieser Indikator gibt an, woraus das Modell besteht. Das Ausprobieren der Prädiktoren ermöglicht es Ihnen, weitere Modelle zu erstellen und neue Abhängigkeiten und Beziehungen zu finden, die nach ein paar Splits möglicherweise stärker sind.
Die Wichtigkeit ist eine Statistik, die auf der Häufigkeit beruht, mit der der Algorithmus bei der Erstellung des Baums bestimmte Prädiktoren auswählt. Dieser Indikator gibt an, woraus das Modell besteht. Das Durchsuchen der Prädiktoren ermöglicht es, andere Modelle zu erstellen und neue Abhängigkeiten und Beziehungen zu finden, die sich nach einigen Aufteilungen als stärker erweisen können.
Ihre Prädiktoren sind ein Haufen von Indikatoren, die Sie im Laufe Ihrer Karriere als Händler gesammelt haben, daher der starke Wunsch, dieses ganze Durcheinander irgendwie zu straffen. Ich habe kein solches Problem, aber ich habe Verständnis dafür, dass es ein langer Weg ins Nirgendwo ist.
Selbst wenn ich alle Indikatoren auf der Grundlage von Standardindikatoren in das Lieferpaket aufgenommen hätte, was keineswegs der Fall ist, sind sie vom Preis abgeleitet und können nützliche Informationen enthalten, während viele Indikatoren nicht der Nicht-Stationarität unterliegen.
Ich habe das Problem der Auswahl der Prädiktoren auf andere Weise gelöst, aber die Suche nach den besten Kombinationen ist eine offene und interessante Frage.
Bieten Sie an, die Wirksamkeit dieser Methoden für Aufgaben im Zusammenhang mit dem Handel zu testen.
Was soll diese Aufregung?
Ich habe Suchmaschine verwendet und sogar einige Code auf Git-Hub gefunden, aber es hat mich nicht verstehen, wenn es funktioniert oder nicht.
Deshalb ist es für diejenigen, die sich damit auskennen, interessant, ihr Interesse zu hören und Möglichkeiten für eine Zusammenarbeit bei der Untersuchung des Themas zu finden.
Ich bin für konstruktive Ideen, nicht für aufgeblasene Backen.
Alexey Sie können Python oder r-core studiert haben und versucht, einige Chips zu machen ... Glauben Sie mir, tausend Fragen wären gelöst worden...
Welchen Sinn hat es, die Effizienz einer Merkmalsauswahlmethode zu prüfen, wenn sie bereits getestet wurde und funktioniert?
Das Problem liegt nicht in der Merkmalsauswahl, sondern in den Merkmalen selbst. Wenn Sie 10 Indikatoren einspeisen und dann bis zum Umfallen auswählen, werden Sie mit JEDEM Auswahlalgorithmus das gleiche Ergebnis erhalten ...
Haben Sie das Video gehört? Sie ziehen Zehntausende von Indikatoren heran und erwähnen MSUA, wo sie sogar von der Erstellung und Aufzählung von Milliarden von Indikatoren sprechen
Das ist es, worüber wir reden sollten, Systeme, die Millionen von Ideen generieren und sie automatisch überprüfen, das ist das Wesentliche, das sind individuelle Entscheidungen, und die Auswahl der Attribute ist der kleine letzte Teil des Prozesses, und da ist nichts Interessantes dabei.