Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1116
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
Para qué necesitas el tiempo si los datos se barajan antes del entrenamiento, a menos que sea para resaltar la sección OOS... No te preocupes, sólo muéstrame los resultados...
Lo necesito.
Resultados. Ver mi hilo. Están en el caso allí.
itslek corrió por Validol))))
¡conjunto de datos de 42 ejemplos! 42 ejemplos.
¡ni siquiera mencione la fecha en la línea de tiempo!
Mirando.
Divida el predictor en dos partes: una parte pertenece a una clase y la otra a la otra clase. Dibuja un histograma de cada mitad y combínalo.
Así que.
Los predictores son de diferente calidad pero todos tienen una capacidad de predicción mucho mejor que antes (de memoria)
Tenemos que introducir una medida de la distancia entre los histogramas, que mostrará de forma más realista la diferencia entre ellos, que será más precisa que como imagen.
conjunto de datos para 42 ejemplos
Mira, no te entiendo.... Si tu IA es tan genial que puede aprender de 1000 ejemplos, será como una nuez. ¿Cuál es el problema?
Mirando.
Divida el predictor en dos partes: una parte pertenece a una clase y la otra a la otra clase. Dibuja un histograma de cada mitad y combínalo.
Así que.
Los predictores son de diferente calidad pero todos tienen una capacidad de predicción mucho mejor que antes (de memoria)
Tenemos que introducir una medida de la distancia entre los histogramas que muestre de forma más realista la diferencia entre ellos, que será más precisa que como imagen.
Genial... continúa. Necesitamos el resultado de un modelo entrenado. El análisis de datos está bien, pero lo más importante es el beneficio, si no me equivoco, claro. Por eso te pido que los cambies, si puedes...
Mira, no te entiendo.... Si tu IA es tan genial que puede aprender de 1.000 ejemplos, esa muestra sería pan comido. ¿Cuál es el problema?
En realidad, es al revés...
mejor un algoritmo peor pero con más ejemplos que un algoritmo genial pero con menos datos.
incluso 1000 no es suficiente, especialmente para el mercado...
En realidad es lo contrario...
acuerdo.... Depende de la herramienta de IA que se utilice. Algunos necesitan un tamaño de muestra grande y otros, como un vector de vectores de referencia, no necesitan una muestra grande porque el método consume muchos recursos y con una muestra grande funciona durante un tiempo extremadamente largo...
acuerdo.... Depende de la herramienta de IA que se utilice. Algunos requieren un gran tamaño de muestra y otros, como los vectores de referencia, no necesitan una muestra grande porque el método requiere muchos recursos y tarda mucho tiempo en ejecutarse con una muestra grande...
¿Qué es la IA?
Unos resultados nada malos en cuanto a la capacidad de predicción NO conducirán a modelos estables, ya que el número de observaciones es simplemente ridículo = 51. Necesitamos al menos 10 veces ese número, y preferiblemente 100 veces.
Si se construyen modelos con ese número de observaciones, los resultados son pésimos.
Predicción
Real [0,0] (0,1] Error
[0,0] 42.9 28.6 40
(0,1] 28.6 0.0 100
Error global: 57,1%, Error medio de clase: 70%.
Rattle timestamp: 2018-10-18 21:29:39 user
======================================================================
Matriz de error para el modelo lineal en Mic1.txt [validar] (recuentos):
Predicción
Real [0,0] (0,1) Error
[0,0] 1 4 80
(0,1] 2 0 100
Matriz de error para el modelo lineal en Mic1.txt [validar] (proporciones):
Predicción
Real [0,0] (0,1] Error
[0,0] 14.3 57.1 80
(0,1] 28.6 0.0 100
Error global: 85,7%, Error medio de clase: 90%.
Rattle timestamp: 2018-10-18 21:29:39 user
======================================================================
Matriz de errores del modelo de red neuronal en Mic1.txt [validar] (recuentos):
Predicción
Real [0,0] (0,1) Error
[0,0] 2 3 60
(0,1] 1 1 50
Matriz de errores del modelo de red neuronal en Mic1.txt [validar] (proporciones):
Predicción
Real [0,0] (0,1] Error
[0,0] 28.6 42.9 60
(0,1] 14.3 14.3 50
Error global: 57,1%, Error medio de clase: 55%.
Rattle timestamp: 2018-10-18 21:29:39 user