Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1113

 
itslek:

y mi punto es este. Para empezar, pon el problema en el vacío. con su métrica.


Si quieres ejecutarlo en un probador con arrastre y otras cosas:

Proporcionar los datos en .csv con la orientación (entiendo que tiene esta clasificación binaria). luego entrenar el modelo y predecir la orientación. el resultado se carga como una lista de respuestas del modelo en el mismo probador y ejecutar. Pero hacerlo para cada modelo es otra variante de ajuste, es mejor pensar en las métricas o el objetivo. Y en el probador debemos ejecutar sólo la última variante.

Y para el tiempo real es una molestia aparte, y no todos los modelos pueden ser envueltos en una dll

No sé tengo todos los modelos se enrollan en MT y se sienten bien allí.

Y elegí esta métrica. Yo por cierto, en el optimizador le cambié la métrica de Mathews, tiene estimación parabólica a diferencia de las métricas de especificidad o sensibilidad. Pero entiendo que si el algoritmo de optimización está listo, entonces el problema con las métricas se resuelve por ....

Лучшая метрика для оценки точности классификационных моделей | DataReview.info
Лучшая метрика для оценки точности классификационных моделей | DataReview.info
  • datareview.info
Оценка качества классификационных моделей — сложная и трудоемкая задача. Сперва аналитик оценивает робастность классификационной модели с помощью таких средств, как AIC-BIC, площадь под ROC-кривой, критерий согласия Колмогорова-Смирнова и др. Следующим логическим шагом является оценка точности модели. Чтобы понять, почему эта задача является...
 
Vizard_:

Todo, cualquier modelo es una fórmula, si estás usando cajas negras de las que no puedes sacar nada, tu problema.
Qué probador, gilipollas y todo. No tienes ni idea de quién es Misha y del fascinante viaje que le espera
por delante de ti)))

Y lo más importante, rentable....

Sin embargo, no soy partidario de la DLL y de todo tipo de paquetes... Me gusta el MKUL puro en su forma prístina :-)

 
Vizard_:

Eso es, cualquier modelo es una fórmula, si estás usando cajas negras de las que no puedes sacar una mierda, tu problema.
Qué probador, gilipollas y todo... No tienes ni idea de quién es Misha y qué fascinante viaje le espera
por delante de ti)))

Mira, ¿puedes intercambiar los datos del archivo PSV después del entrenamiento para que el resultado sea en forma de curva de equilibrio????

 
Vizard_:

Todo, cualquier modelo es una fórmula, si estás usando cajas negras de las que no puedes sacar nada, tu problema.
Qué probador, gilipollas y todo... No tienes ni idea de quién es Misha y del fascinante viaje que le espera
por delante de ti)))

Todas las librerías ML más o menos productivas hoy en día son cajas negras)

 
itslek:

Todas las librerías ML más o menos productivas son ahora cajas negras)

Así es, por eso el método de evaluación del resultado pasa a primer plano. La misma métrica que estamos hablando y si la métrica estimar adecuadamente el resultado obtenido, entonces el método de propagación hacia atrás va a hacer para la caja negra, el método más antiguo es ferozmente sobre-entrenado, pero si en el proceso de aprendizaje para estimar el resultado con la métrica super-duper, entonces usted puede optimizar hasta que esta métrica no decir STOP al algoritmo de optimización.

Tengo serios planes para el optimizador de Reshetlova y he hecho un gran trabajo con él. Añade que las métricas super duper y para esto ya tengo un par de ideas ...

 
De nuevo, volvemos a la cuestión de la verificación de los datos. Puedo proporcionar dos archivos. Uno para la formación y otro para la comprobación, pero el resultado de la comprobación debe negociarse como una curva de barance. Si puedes hacerlo, házmelo saber, publicaré los archivos....
 
Mihail Marchukajtes:

Así es, por eso el método de evaluación del resultado obtenido pasa a primer plano. La misma métrica que estamos hablando y si la métrica evalúa adecuadamente el resultado, a continuación, para la caja negra el método de propagación hacia atrás de error va a hacer, el método más antiguo es ferozmente sobreentrenado, pero si en el proceso de aprendizaje para evaluar el resultado con la métrica super duper, entonces usted puede optimizar hasta que esta métrica no decir STOP al algoritmo de optimización.

Tengo serios planes para el optimizador de Reshetlova y he hecho un gran trabajo con él. Añádelo a las métricas muy super duper y para esto ya tengo un par de ideas...

La métrica permite captar el momento en que el modelo comienza a reentrenarse.

+ escribir tus propias métricas te restringe inmediatamente en el entorno de desarrollo y en las librerías utilizadas (no todas soportan métricas no estándar).

Mejor piensa en el objetivo, para que se ajuste a lo que realmente necesitas. Y puede ser evaluado con métricas estándar en ML:

https://habr.com/company/ods/blog/328372/

https://ru.coursera.org/lecture/vvedenie-mashinnoe-obuchenie/mietriki-kachiestva-klassifikatsii-1-IVuAc

Метрики в задачах машинного обучения
Метрики в задачах машинного обучения
  • 2012.05.17
  • habr.com
В задачах машинного обучения для оценки качества моделей и сравнения различных алгоритмов используются метрики, а их выбор и анализ — непременная часть работы датасатаниста. В этой статье мы рассмотрим некоторые критерии качества в задачах классификации, обсудим, что является важным при выборе метрики и что может пойти не так. Метрики в...
 
Vizard_:

Se hace en python, r o pr en un par de líneas (mayores spreads, deslizamientos...)
no será diferente de la real, te lo he dicho cien veces ya)))) ¿Por qué necesita
Equi no está claro, no hay buenos modelos y nunca los habrá... Y dile al tipo lo que estás tratando de hacer.
(por ejemplo, no tiene un largo historial de datos)).

Bueno, ya sabes... También utilizo la curva para decidir qué modelo utilizar. De qué sirve un modelo si hizo el 90% de las operaciones rentables y perdió terriblemente en los momentos clave. El tipo de curva de equilibrio sí importa. Por supuesto, no será suficiente, pero aún así tendré alguna idea.

¿Cuántos datos necesita para la formación? ????

 
itslek:

Tenga en cuenta que, sea cual sea la métrica que se establezca aquí, las funciones de optimización de la mayoría de las librerías de ML siguen siendo las mismas. La métrica sólo permite captar el momento en que el modelo comienza a reentrenarse.

+ escribir tus propias métricas te restringe inmediatamente en el entorno de desarrollo y en las librerías utilizadas (no todas soportan métricas no estándar).

Mejor piensa en el objetivo, para que se ajuste a lo que realmente necesitas. Y puede ser evaluado con métricas estándar en ML:

https://habr.com/company/ods/blog/328372/

https://ru.coursera.org/lecture/vvedenie-mashinnoe-obuchenie/mietriki-kachiestva-klassifikatsii-1-IVuAc

Thax.... todo está despejado. nuevo tipo.... no me resulta familiar :-)

Mi orientación está bien, no te preocupes, y el optimizador está escrito en Java. No crees que sea posible implementar métricas tan complejas como quieres???? por favor....

 
Mihail Marchukajtes:

Thax.... todo está despejado. nuevo tipo.... no me resulta familiar :-)

El optimizador está escrito en Java. No crees que sea posible implementar métricas tan complejas como quieres???? por favor....

era el décimo año de desarrollo del Optimizer...

pero la gente feliz no mira el reloj
Razón de la queja: