Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3179
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
Seht, denn wenn euch kein Muster in der ursprünglichen Serie gegeben wird, wird euch der Hilbertsche Weg nicht zu eurem geliebten Ziel führen. Deine Bemühungen werden sich in Teufelei verwandeln, und du wirst statt eines Paradieses ein schändliches Gemetzel vorfinden.
😁😁
Ich habe die Entwickler von boost gefragt, was mit Multikollinearität und Merkmalsauswahl (Preprocessing) zu tun ist.
Ich bekam eine eindeutige Antwort: Alter, vergiss es einfach :)
und warum sollte ich fragen, ob die Umwandlung von Flots in Ints hauptsächlich für die Beschleunigung bei sehr großen Daten benötigt wird
Der Bonus kann eine kleine Kalibrierung des Modells zum Guten oder Schlechten sein, wie es der Zufall will.
Sie werden Ihnen einfach die gleiche Antwort geben, also haben Sie wahrscheinlich Angst zu fragen, weil es all Ihre jahrelange harte Arbeit entwertet :)
Wie kann meine Arbeit durch die Beantwortung einer Frage entwertet werden, wenn ich sie nach dem Ergebnis beurteile?
Ja, das Ergebnis ist nicht super in Bezug auf das Wachstum der Metriken, aber es ist da, auch in anderen Erscheinungsformen.
Es gibt zum Beispiel Beispiele, bei denen ich ohne Vorverarbeitung mit meiner Methode überhaupt kein profitables Modell auf neuen Daten erhalten konnte.
Ich habe die Boost-Entwickler gefragt, wie sie mit der Multikollinearität und der Merkmalsauswahl (Preprocessing) umgehen.
Darauf bekam ich eine eindeutige Antwort: Alter, vergiss es einfach :)
Und wenn es eine Milliarde Merkmale gibt, vergessen wir sie dann einfach? Oder müssen wir immer noch diejenigen auswählen, die nicht korreliert sind?
Nach Belieben
Ich habe die Boost-Entwickler gefragt, wie sie mit der Multikollinearität und der Merkmalsauswahl (Preprocessing) umgehen.
Ich bekam eine eindeutige Antwort: Alter, vergiss es einfach :)
Es gibt eine Funktionalität, über die nur wenige Leute sprechen, wenn man sich die Informationen über echte Anwendungsbeispiele ansieht.
Zum Beispiel die Möglichkeit, Prädiktoren zu gruppieren und ihnen Gewichte zu geben. Ich sehe auch das Potenzial für die Verbesserung des Modells, aber ich bin nicht in der Lage, hier zu experimentieren - es erfordert eine Menge Sucharbeit.
Und es ist ja nicht so, dass die Person, die das ganze Projekt ursprünglich im Kopf hatte, immer noch daran arbeitet, es ist durchaus möglich, dass es Kollegen und andere gibt, die den Algorithmus selbst in Bezug auf die Ausführungsgeschwindigkeit verbessern und Fehler beheben. Na ja, und manchmal tauchen auch kleine Chips auf.
Eher aus der Not heraus müssen Sie filtern, keine Option
Es gibt dort eine Funktionalität, über die nur wenige Menschen sprechen, wenn man die Informationen über reale Anwendungsbeispiele betrachtet.
Zum Beispiel die Möglichkeit, Prädiktoren zu gruppieren und ihnen Gewichte zu geben. Ich sehe auch das Potenzial für die Verbesserung des Modells, aber ich bin nicht in der Lage, hier zu experimentieren - es erfordert eine Menge Sucharbeit.
Und es ist ja nicht so, dass die Person, die das ganze Projekt ursprünglich im Kopf hatte, immer noch daran arbeitet, es ist durchaus möglich, dass es Kollegen und andere gibt, die den Algorithmus selbst in Bezug auf die Ausführungsgeschwindigkeit verbessern und Fehler beheben. Na ja, und manchmal tauchen auch kleine Chips auf.
Es ist wahrscheinlich einfacher, gar nicht erst eine Milliarde Zeichen zu machen.