SanSanych Fomenko: Im Allgemeinen ist die Ausrichtung auf 3 Klassen nicht sehr gut. Besser ist es, sich in zwei Zielklassen aufzuteilen: (-1,0) und (0,1), und sie dann bei der Entscheidung für eine Position zu kombinieren.
Ich war derjenige, der um 3 Klassen gebeten hat. Vor ein paar Seiten gab es eine ähnliche Datei mit nur zwei Zielen. Zwei Ziele konnte ich nicht bewältigen (eine der Klassen ist zahlenmäßig stark verzerrt, so dass es auch schwer ist), ich versuche es jetzt mit drei.
Es zeigt sich, dass eine Erhöhung der Anzahl der Bäume bis etwa 50 zu einer Verringerung des Fehlers führt, aber danach ist eine Erhöhung der Anzahl der Bäume über 100 eine absolute Zeitverschwendung
Und hier ist das Ergebnis für die Validierungs- und Testabschnitte. Ich habe große Exemplare, jeweils 45 % des Originals
Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [validate] (counts):
Predicted
Actual -101 Error
-1240231523706.204733970619645.811058581761525.0
Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [validate] (proportions):
Predicted
Actual -101 Error
-126.31.70.16.200.543.52.25.810.06.419.325.0
Overall error: 10.9%, Averaged class error: 12.33333%
Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [test] (counts):
Predicted
Actual -101 Error
-1238471502736.204553967719845.81760241767325.4
Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [test] (proportions):
Predicted
Actual -101 Error
-126.11.60.16.200.543.52.25.810.06.619.425.4
Overall error: 11%, Averaged class error: 12.46667%
Ich habe auf randomForest gewartet, obwohl ich 10% der Originaldatei für die Trainingsdatei genommen habe.
Hier sind die Ergebnisse:
Danke, den Ergebnissen nach zu urteilen, laufen die Dinge nicht schlecht?
Es scheint jedoch, dass arr_Sell als Prädiktor verwendet wurde, wenn man die Tabelle der Wichtigkeit der Prädiktoren betrachtet? Wenn ja, dann ist das nicht korrekt.
SanSan Fomenko:
Hier ist eine interessante Grafik
Es zeigt sich, dass eine Erhöhung der Anzahl der Bäume bis etwa 50 zu einer Verringerung der Fehler führt, aber danach ist eine Erhöhung der Anzahl der Bäume über 100 völlig nutzlos.
Es muss also logisch sein, je mehr Prädiktoren, desto mehr Lösungen, oder liege ich da falsch?
Um ein endgültiges Urteil zu fällen, ist es notwendig:
die Vorhersagekraft der Prädiktoren unter sehr spezifischen Bedingungen der Eingabedatei zu testen
die Eingabedatei physisch in zwei Teile aufteilen: in einem Teil das tun, was ich getan habe, und im zweiten Teil den fertigen Wald ausführen. Wenn der Fehler übereinstimmt, dann ist er Millionär oder Milliardär!
Allerdings scheint arr_Sell als Prädiktor verwendet worden zu sein, wenn man die Tabelle mit der Bedeutung der Prädiktoren betrachtet? Wenn ja, dann ist das nicht korrekt.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Erlauben Sie die Verwendung von Cookies, um sich auf der Website MQL5.com anzumelden.
Bitte aktivieren Sie die notwendige Einstellung in Ihrem Browser, da Sie sich sonst nicht einloggen können.
Sie sind angemeldet. Die Zwei-Faktor-Authentifizierung wurde deaktiviert. Richten Sie sie erneut ein und scannen Sie einen neuen QR-Code oder fahren Sie mit deaktivierter Zwei-Faktor-Authentifizierung fort.
Im Allgemeinen ist die Ausrichtung auf 3 Klassen nicht sehr gut. Besser ist es, sich in zwei Zielklassen aufzuteilen: (-1,0) und (0,1), und sie dann bei der Entscheidung für eine Position zu kombinieren.
Ich war derjenige, der um 3 Klassen gebeten hat. Vor ein paar Seiten gab es eine ähnliche Datei mit nur zwei Zielen. Zwei Ziele konnte ich nicht bewältigen (eine der Klassen ist zahlenmäßig stark verzerrt, so dass es auch schwer ist), ich versuche es jetzt mit drei.
Ich habe auf randomForest gewartet, obwohl ich 10% der Originaldatei für die Trainingsdatei genommen habe.
Hier ist das Ergebnis:
Hier ist eine interessante Grafik
Es zeigt sich, dass eine Erhöhung der Anzahl der Bäume bis etwa 50 zu einer Verringerung des Fehlers führt, aber danach ist eine Erhöhung der Anzahl der Bäume über 100 eine absolute Zeitverschwendung
Und hier ist das Ergebnis für die Validierungs- und Testabschnitte. Ich habe große Exemplare, jeweils 45 % des Originals
Sehr anständig, wenn nichts nach vorne schaut.
TC auf M1 ist nicht klar: wir werden innerhalb der Spanne voraussagen.
Ich habe auf randomForest gewartet, obwohl ich 10% der Originaldatei für die Trainingsdatei genommen habe.
Hier sind die Ergebnisse:
Danke, den Ergebnissen nach zu urteilen, laufen die Dinge nicht schlecht?
Es scheint jedoch, dass arr_Sell als Prädiktor verwendet wurde, wenn man die Tabelle der Wichtigkeit der Prädiktoren betrachtet? Wenn ja, dann ist das nicht korrekt.
Hier ist eine interessante Grafik
Es zeigt sich, dass eine Erhöhung der Anzahl der Bäume bis etwa 50 zu einer Verringerung der Fehler führt, aber danach ist eine Erhöhung der Anzahl der Bäume über 100 völlig nutzlos.
Es muss also logisch sein, je mehr Prädiktoren, desto mehr Lösungen, oder liege ich da falsch?
Sehr anständig, wenn nichts nach vorne schaut.
Ich verstehe den TS auf M1 nicht: Wir werden innerhalb der Spanne vorhersagen.
Es ist eine Trendstrategie und funktioniert auf MOEX on Si, d.h. der Spread ist dort nicht wichtig.
Um ein endgültiges Urteil zu fällen, ist es notwendig:
Es gibt eine Trendstrategie, und sie funktioniert an der MOEX-Börse auf Si, d.h. der Spread ist dort nicht wichtig.
Welcher andere Trend in der Klassifizierung? Die Vorhersagefehler werden den Trend zerreißen - von dem Trend wird nichts mehr übrig sein.
Allerdings scheint arr_Sell als Prädiktor verwendet worden zu sein, wenn man die Tabelle mit der Bedeutung der Prädiktoren betrachtet? Wenn ja, dann ist das nicht korrekt.
Natürlich ist es das, verdammt noch mal!
Welche?
Ich rechne noch einmal nach.