Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 888
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
Ich werde also nur solche nehmen, die eine hohe Unterstützung und Zuverlässigkeit bieten. So stelle ich mir die Arbeit vor - ich generiere Prädiktoren im Indikator in Echtzeit und in der Historie, füge sie in eine Zeichenkette ein, und dann wird diese Zeichenkette im Array gesucht, wenn sie gefunden wird, dann markieren wir den Balken als günstig für den Einstieg, und wenn nicht, tun wir nichts. Dementsprechend werden die verdoppelten Zeichenfolgen das Feld nur vergrößern. Natürlich können wir auch eine farbliche Abstufung vornehmen, mit Informationen über Zuverlässigkeit und Unterstützung (durch Multiplikation des einen mit dem anderen erhalten wir den Koeffizienten, der je nach Wert die Farbe ändert), aber dafür ist es einfacher, einfach ein separates Array vom Typ int mit Index zu erstellen. Oder vielleicht verstehe ich etwas nicht....
Theoretisch - wenn NS alle füttert, ohne ungültige Zeichenfolgen auszusieben, sollte er sie finden und ihre Bedeutung erhöhen. Aber Sie können es natürlich auch selbst machen, wie Sie es beschrieben haben. Gleichzeitig ist es interessant, zu vergleichen - was ist besser.
In den Artikeln gibt es zwar Beispiele für Rauschzeichenfolgen.Ich stimme zu, Python ist die oberste GPU für HFTs, sie sind diejenigen mit negativem Fehler, wie ich oben erwähnt habe, sie forschen dort auch an Quantenverschränkung, um das Signal schneller als Licht zu übertragen, es gibt auch Bibliotheken in Python, im Darknet.
Sie brauchen nicht schon wieder Unsinn zu reden, das zeigt Ihr Niveau
Ich scherze nur mit einigen 90% der Ahtungen, nehmen Sie es nicht ernst, Python ist eine Studentensprache, um schnell einen Haufen Bibbles auszuprobieren und Graphen zu zeichnen, z.B. um Vorontsovs Kurs zu verstärken, und "Forschung" ist nur für graduierte Studenten oder etwas Realitätsfernes, In seriösen Unternehmen sind alle Tools in C++ geschrieben, mehr als die Hälfte der Algorithmen sind exklusiv oder modifiziert bekannt, die Probleme sind sehr spezifisch und hochspezialisiert, die keine Laufparameter von 100500 Bibliotheken erfordern, daher ist Python in Spuren vorhanden.
Aleshenka, gehen Sie weiter meistern MO, über C ++ api und Cython und Migration von Modellen und einzelnen Modulen und den Einsatz auf Servern nach der Forschung / Ausbildung haben Sie nicht gehört?
Und ohne einen negativen Fehler bei dem Versuch, Renditen vorherzusagen, kommen sie nicht wieder zurück. Sie sind sehr frustriert - Sie haben zu viel Arroganz und zu wenig nützliche Informationen.
Theoretisch sollte NS, wenn es alle Zeichenfolgen ohne die vorher ungültigen abruft, diese finden und ihre Bedeutung erhöhen. Aber Sie können es natürlich auch selbst machen, wie Sie es beschrieben haben. Gleichzeitig ist es aber auch interessant zu vergleichen, was besser ist.
Allerdings gibt es in den Artikeln Beispiele für das Herausfiltern verrauschter Zeichenfolgen.Generell verstehe ich nicht ganz, wie man NS organisieren kann, wenn man Daten aus der Geschichte nimmt, theoretisch von jedem beliebigen Punkt... Aber mit einem Baum/Wald ist alles einfacher, sie analysieren keine Geschichte, also müssen sie eine begrenzte Anzahl von Variablen eingeben, und die Ausgabeergebnisse sind bereits bekannt, und ich habe sie in ein Array geschrieben; nach dem Training kann der Baum nichts Neues erzeugen, aber das neuronale Netz kann auf neue Daten auf unterschiedliche Weise reagieren, Da es Gewichte (Koeffizienten) eingibt und diese für jedes Neuron konstant sind, aber wenn ich 10 oder mehr Neuronen habe und für jedes Merkmal einen anderen Koeffizienten, dann stellt sich heraus, dass es eine Menge Auswahlmöglichkeiten gibt - das Netzwerk kann offensichtlich nicht nach allen Varianten trainieren, also kann es verschiedene Überraschungen geben, oder ich verstehe etwas nicht.
Und ich habe einen Indikator gemacht, aber die Array-Aufzählung ist nicht sehr schnell und der Code selbst ist sehr langsam - ich brauche Optimierung.
Generell verstehe ich nicht ganz, wie man NS organisieren kann, wenn man Daten aus der Geschichte nimmt, theoretisch von jedem beliebigen Punkt... Aber mit einem Baum/Wald ist alles einfacher, sie analysieren keine Geschichte, also müssen sie eine begrenzte Anzahl von Variablen eingeben, und die Ausgabeergebnisse sind bereits bekannt, und ich habe sie in ein Array geschrieben; nach dem Training kann der Baum nichts Neues erzeugen, aber das neuronale Netz kann auf neue Daten auf unterschiedliche Weise reagieren, Da es Gewichte (Koeffizienten) eingibt und diese für jedes Neuron konstant sind, aber wenn ich 10 oder mehr Neuronen habe und für jedes Merkmal einen anderen Koeffizienten, dann stellt sich heraus, dass es eine Menge Auswahlmöglichkeiten gibt - das Netzwerk kann offensichtlich nicht nach allen Varianten trainieren, also kann es verschiedene Überraschungen geben, oder ich verstehe etwas nicht.
Ich habe einen Indikator erstellt, aber die Array-Suche ist nicht sehr schnell und der Code selbst ist sehr langsam - ich brauche eine Optimierung.
Die NS verwendet die gleiche Tabelle mit Daten, kein Unterschied zum Wald. Nur die Algorithmen sind im Inneren anders.
Die gleiche Datentabelle wird an die NS gefüttert - kein Unterschied zum Wald. Nur die Algorithmen im Inneren sind anders.
Warum sollte sich der NS während der Ausbildung mit der Geschichte befassen, wenn er sie im Betrieb nicht verwendet?
Ich habe natürlich nicht gehört, was ich über Sie kümmern, jetzt werde ich wissen, dass die coolste Sache nicht eine Python-Api zu C-Bibeln, sondern das Gegenteil, C + +-Api zu Python, mit Bereitstellung auf Servern ist. weiter brennen)))
Das Quecksilber im Thermometer deines Sarkasmus ist zu einer Blase geschrumpft und gerade explodiert, oder es hat sich so sehr ausgedehnt, dass es vor lauter Dummheit und Geifern explodiert ist, was auch immer
api zu Frameworks in verschiedenen Sprachen, einschließlich Python und ++
oder ist es einfach nur traurig?
Niemals! Meinzufälliges Umherschweifen ist eine ebenso steile Vorhersage wie Forex! 90% acurasi ohne Umschulung und 100% mit Umschulung.
Juhu! Die Einheimischen scheinen langsam zu begreifen, dass Übertraining nicht nur nicht tödlich ist, sondern in vielen Fällen sogar das Beste).
Nun, hier ist eine schreckliche overfit, aber immer noch handelbar in der ersten Hälfte oos :) Ich könnte es noch schlimmer machen, aber es hat keinen Sinn. Das Geld liegt irgendwo in der Mitte zwischen Über- und Unterversorgung.
Geld ist überall, nur nicht darunter. Es ist nur eine Frage der Anwendung.
Warum sollte sich die NS die Geschichte in der Ausbildung ansehen, wenn sie sie nicht in ihrer Arbeit verwendet?
Während des Trainings erhält es Gewichte und Offsets für die Neuronen, anhand derer es die Ausgabe auf neue Daten berechnet.