Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 632
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Me he estado preguntando sobre la re-información lerning, así que encontré un artículo interesante y estoy tratando de comprarlo y tal vez añadirlo al bot
https://hackernoon.com/the-self-learning-quant-d3329fcc9915
Sólo que tiene algún tipo de droga al final sólo aprende a comprar por alguna razón
A mí me pasa lo mismo: el clasificador NS se atasca a menudo en una clase. Hay que alinear las clases. Pero tengo el 95% de una clase y el 5% de la otra. *20 volumen de filas no es deseable.
Esto es más o menos lo mismo que en ese artículo y lo entiendo.
Creo que voy a cambiar a la regresión/previsión para experimentar y ver qué pasa...
Me he estado preguntando sobre la re-información lerning, así que encontré este interesante artículo y estoy tratando de comprarlo y tal vez añadirlo al bot
https://hackernoon.com/the-self-learning-quant-d3329fcc9915
Estoy intentando comprar un bot pero es un poco tonto, solo aprende a comprar al final por alguna razón.
Y en general el artículo es útil porque da referencias a dos buenas bibliotecas en el código.
Uno para cargar diferentes datos de mercado, el otro para aplicar sobre los datos diferentes indicadores. Me lo llevé para mí.
https://www.quandl.com/tools/python
https://mrjbq7.github.io/ta-lib/
Tengo la misma situación: el clasificador NS suele entrar en la misma clase. Hay que alinear las clases. Pero tengo el 95% de una clase y el 5% de la otra. *20 volumen de filas no es deseable.
Esto es más o menos lo mismo que en ese artículo y lo entiendo.
Estoy pensando en cambiar a la regresión/previsión para experimentar y ver qué pasa...
Yo también me enfrento a esta situación.
La selección de características, la regularización y muchos abandonos, hacen que el modelo sea más estable. Todo ello sin alineación, puro flujo de series temporales.
Por alguna razón he estado jugando mucho con las clases. En mi caso (ml-assistant), la persistencia de la señal es un único número [-1,1]. Es decir, en teoría se puede construir inmediatamente la regresión (que también sale bastante bien), pero la predicción es menos "legible" allí.
Para clasificar, necesitamos dividirlos en clases, y la idea de softmax es igualar la suma de las clases a 1,0. Pero al final resultó ser más correcto simplemente dividirlos en relación a cero, el propio modelo normaliza la suma de clases a 1, independientemente de la orientación.
Pero cuando añado una tercera clase de pase, por alguna razón es un sobreentrenamiento constante. Quizás no lo estoy preparando correctamente. =)
Tengo la misma situación: el clasificador NS suele entrar en una clase. Hay que igualar las clases. Pero tengo el 95% de una clase y el 5% de la otra. *20 volumen de filas no es deseable.
Esto es más o menos lo mismo que en ese artículo y lo entiendo.
Estoy pensando en cambiar a regresión/previsión - para experimentar y ver qué pasa...
De una muestra de 10-12k: ~800 son de clase 1, el resto son de clase 0. Esa es la realidad).
Leí en un libro inteligente que la relación cuantitativa de las clases en una secuencia de formación debe ser cercana a la realidad.
De una muestra de 10-12.000: ~800 son de clase 1, el resto son de clase 0. Esta es la realidad).
Leí en un libro inteligente que la relación cuantitativa de las clases en una secuencia de formación debe ser cercana a la realidad.
y otros libros inteligentes dicen que las clases tienen que ser equilibradas/combinadas.
es decir, en forex, no tenemos idea de la población, y es lógico que el número de elementos en las clases sea aproximadamente igual.
Un video interesante sobre el azar de un hombre inteligente
¡¡¡Hola a todos!!! ¿Puede alguien explicar el significado de la entropía negativa? En términos sencillos......
Esto es lo que escribe la gente inteligente:
"La no entropía θ corresponde a algún valor "estructural". que se determina por la cantidad característica de memoria pasada. Cuando θ es grande, surgen estructuras jerárquicas complejas en un rango amplio, cuando θ es pequeño, surgen estructuras en un rango pequeño, y cuando θ → 0, es decir, sin información sobre el pasado, hay una transición marginal a procesos markovianos."
De hecho, este es el valor que caracteriza la no markovianeidad del proceso. Como trabajo con distribuciones de probabilidad, descubrí que esta cosa es responsable del tipo de "colas" de las distribuciones.¡¡¡Hola a todos!!! ¿Puede alguien explicar el significado de la entropía negativa? En términos sencillos......
La entropía es una medida de desorden o caos, la no entropía (entropía negativa) es una medida de decencia y grado de autoorganización. Un azúcar no disuelto en un sistema de vaso de precipitados tiene una entropía mínima, una vez que se disuelve completamente, el sistema tiene una entropía máxima. Para devolver el sistema a su estado inicial, hay que importar entropía del exterior, para crear una condición de cristalización. En el caso de la NS, el sistema debe absorber constantemente nueva información del exterior y deshacerse de la información innecesaria, de lo contrario, un aumento de la entropía lo llevará a la muerte.
La entropía es una medida de desorden o caos, la no entropía (entropía negativa) es una medida de orden y grado de autoorganización. Un azúcar no disuelto en un sistema de vaso de precipitados tiene una entropía mínima, después de la disolución completa, el sistema tiene una entropía máxima. Para devolver el sistema a su estado inicial, hay que importar entropía del exterior, para crear una condición de cristalización. Para la NS, el sistema debe absorber constantemente nueva información del exterior y deshacerse de la información innecesaria, de lo contrario, un aumento de la entropía lo llevará a la muerte.
Excelente comentario. Exactamente.