Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 277
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
mytarmailS:
Wenn jemand etwassucht, das funktioniert, ist es besser, ein fertiges Paket zu haben, und wenn man es bereits gefunden hat, muss man es selbst herausfinden und den Code neu schreiben.
Finden Sie nicht auch?
Ich stimme mit Ihnen im Großen und Ganzen überein.
Das einzige Problem ist, was unter dem Begriff "Suche" zu verstehen ist, in welchem semantischen Raum gesucht werden soll. Sie stimmen zu, dass es notwendig ist, einen Low-Level-Algorithmus zu verstehen, um ihn erfolgreich nutzen zu können. Etwas Ähnliches gilt für die Suche nach "Ideen", z. B. wenn man in Foren oder auf Profilseiten über trendige Datenanalysetechniken wie tiefe neuronale Netze, Wälder usw. liest. Es ist eine andere Sache, ein Paket in R zu finden, einen Haufen Zeilen hineinzulegen und an Knöpfen zu ziehen, über Trauer zu meditieren, die dann "autoritativ" feststellen, dass "neuronale Netze für Forex nicht funktionieren", und es ist eine ganz andere Sache, all dies auf der Ebene von Ints und Dubs zu verstehen, die Textur von Daten zu spüren, warum ein neuronales Netz oder ein Wald nicht gut funktioniert, wie man es verbessern kann usw. Eine weitere Abstraktionsebene, Sie denken Ihre eigenen Gedanken, die noch nicht einmal klar verbalisiert sind, aber Sie haben bereits Code und Ergebnisse :)
Jetzt versuche ich, Daten in Rattle zu laden, aber ich erhalte einen Fehler:
Fehler in sort.list(y) : 'x' muss für 'sort.list' atomar sein
Haben Sie "sortieren" auf einer Liste aufgerufen?
Ich versuche jetzt, Daten in Rattle zu laden, erhalte aber einen Fehler:
Kann ich nicht das Doppelte verwenden oder muss ich es richtig zubereiten?Übrigens rückt der MYTHOS näher, wenn mein Artikel das Licht der Welt erblicken wird, ich bin sicher, dass viele ihn nützlich finden werden :-)
Sagen Sie mir, schreiben Sie eine Oanda-Geschichte in irgendeiner Form?
Meinem Artikel ist ein Anhang beigefügt. Schauen Sie es sich als Beispiel an.
Ich habe Ihren Artikel gelesen und denke, dass er für einen Anfänger lehrreich sein wird, um die Grundlagen der Verwendung von MO im algorithmischen Handel zu verstehen. Aber Sie haben einen Fehler in der Konstruktion des Ziels,"Shift ZigZag-Indikator nach links ", zeigt es die Zukunft als Zwei-Wege-Filter (die Daten von links und rechts von der aktuellen Moment nehmen).
Ich habe Ihren Artikel gelesen und denke, dass er für einen Anfänger lehrreich sein wird, um die Grundlagen der Verwendung von MO im algorithmischen Handel zu verstehen. Aber Sie haben einen Fehler bei der Konstruktion des Ziels gemacht,"Shift ZigZag Indikator nach links ", zeigt es die Zukunft als Zwei-Wege-Filter (die Daten von der linken und rechten Seite des aktuellen Zeitpunkts nehmen).
Nein, es ist kein Fehler.
Rasseln ist ein ziemlich hinterhältiger Scherz.
Einerseits ermöglicht es Ihnen, den gesamten Zyklus des maschinellen Lernens zu sehen: Datenerfassung, Modellierung, Modellbewertung zu einem Bruchteil der Kosten.
Andererseits wird die Illusion der Einfachheit des Modells erweckt. Und das ist gar nicht so einfach. Jedes Element der verwendeten Modelle erfordert eine sehr durchdachte Einstellung. Und dies ist in absolut allen Phasen der Arbeit an der Anwendung von MI erforderlich. Insbesondere die Auswahl der Zielvariablen ist ebenfalls kein einfaches Problem. Man kann sehr verlockende Zielvariablen wählen und dann feststellen, dass es unmöglich ist, Prädiktoren für sie auszuwählen. Im Fall des EA in dem Artikel ist streng genommen überhaupt nicht klar, WAS vorhergesagt wird....
Erfolg und vor allem keine Illusionen, es gibt keinen Gral, es braucht Arbeit und Wissen.
Nein, es ist kein Irrtum.
Rassel ist ein ziemlich hinterhältiger Scherz.
Einerseits ermöglicht es Ihnen, den gesamten Zyklus des maschinellen Lernens mit geringem Kostenaufwand zu durchlaufen: Datenerfassung, Modellierung, Modellbewertung.
Andererseits wird die Illusion der Einfachheit des Modells erweckt. Und das ist gar nicht so einfach. Jedes Element der verwendeten Modelle erfordert eine sehr durchdachte Haltung. Und dies ist in absolut allen Phasen der Arbeit an der Anwendung von MI erforderlich. Insbesondere dieAuswahl der Zielvariablen ist ebenfalls kein einfaches Problem. Man kann sehr verlockende Zielvariablen wählen und dann feststellen, dass es unmöglich ist, Prädiktoren für sie auszuwählen. Was die PP in dem Artikel betrifft, so ist streng genommen überhaupt nicht klar, WAS vorhergesagt wird....
So etwas wie einen Gral gibt es nicht, und vor allem braucht man keine Illusionen, sondern Arbeit und Wissen.
Ich stimme mit Ihnen völlig überein. Jetzt schreibe ich einen Artikel und er ist fast fertig, die Frage der Kodierung in MKUL5 muss noch gelöst werden, aber das Schreiben des aktuellen Artikels hat mich zu einer zweiten Arbeit mit dem Arbeitstitel "Treatise on incoming and outgoing" inspiriert, und darin möchte ich die Schwierigkeiten bei der Auswahl der Zielfunktion hervorheben, denn erstens ist es eine ziemlich philosophische Frage, und zweitens ist sie schwer zu formalisieren. Also, wir warten auf die Veröffentlichung des Artikels "Wie man ein neuronales Netz zu verdienen", dann "Treatise on Input-und Output-Variablen" und so weiter "Praktische Nutzung von skynet bei der Arbeit an der sequent" Dh wird eine Reihe von drei Artikeln sein. Ihre Titel funktionieren wirklich, außer dem ersten, aber wer weiß, vielleicht ändere ich ihn noch, der Artikel ist ja noch nicht veröffentlicht :-) Aber ich hoffe auf Unterstützung durch die Bewohner dieser Branche und vor allem auf konstruktive Kritik. Ich danke Ihnen!
Ich hoffe, Sie haben alle Artikel gelesen, die zu diesen Themen bereits auf dieser Website veröffentlicht wurden, und werden nicht die Erfindung des Fahrrads beschreiben?
Neue Ideen sind immer interessant.
Viel Glück!