Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1263
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
La regresión rodante, que supera el mismo ARIMA
No se puede aprender todo, y todos los métodos de la MdD son más o menos iguales. Puedes encontrar algo adecuado en casi cualquiera de ellos, y luego puedes probar los demás. Pero si, por ejemplo, tanto el bayesiano como el NS no dan resultados, entonces sólo es una pérdida de tiempo probar los otros. Todo se puede hacer más tarde, si es necesario.
No se puede aprender todo, y todos los métodos de MdD son más o menos iguales. Puedes encontrar algo adecuado en casi cualquiera de ellos, y luego puedes probar los demás. Pero si, por ejemplo, tanto el bayesiano como el NS no dan resultados, entonces sólo es una pérdida de tiempo probar los otros. Todo esto se puede hacer más tarde.
Bueno, funcionan muy bien juntos, sólo es una cuestión de realización). Muestrear ejemplos a través de MCMC, enseñándolos en NS es la mejor manera de hacerlo.
para elegir un activo o grupo de activos para esto, entonces la regresión puede ser útil a través de MCMCLo interesante son los problemas de variación y Theano.
Sigo queriendo utilizar métodos variacionales para afinar el sistema, pero aún no he encontrado los enfoques.
Buscando lo mismo :)
bueno, juntos lo hacen, es sólo una cuestión de implementación ) Ejemplos de Nasample mediante MCMC, enseñar en esta NS - en general, no he pensado en una forma mejor
Bueno, no es el Ministerio de Defensa, así que tampoco está junto). Para Carla y los liberales no son necesarios).
Así que no es el Ministerio de Defensa, y por lo tanto no están juntos). No es necesario Carla y Lib.)
Bueno, todavía estoy flotando sobre cómo ponerlo todo junto. La búsqueda banal de variantes produce resultados, por qué son buenos o no tan buenos en un caso u otro, es difícil de entender.
Tendré que visualizarlo con librerías similares, a ver.
Todavía estoy nadando en cómo ponerlo todo junto. Los resultados se obtienen mediante una enumeración trivial de variantes, pero es difícil entender por qué son buenos o no tan buenos en tal o cual caso.
Bueno, todos nadamos. Sólo que rara vez cambio de opción, y más en el sofá, ya sea leyendo (una tableta es una buena cosa), o pensando - qué hacer). Antes de hacerlo, estaría bien tenerlo todo en la cabeza de antemano, y luego cómo...
Las comparaciones muestran que no hay mucha diferencia... el bosque es un clásico. En alglib está perfectamente presente de forma nativa en mt5. Me gustaría poder actualizar a una versión más reciente, pero tengo problemas con ella.
Se puede, por supuesto, conectar un dll, pero entonces ¿cómo hacer feliz a la gente?Si no me equivoco, la única diferencia es la velocidad de aprendizaje. De lo contrario, debería volver a formarse de la misma manera. Al menos la descripción no ha cambiado y no se han añadido las limitaciones de profundidad, errores, etc.
Y el bosque es uno de los métodos de aprendizaje más rápidos, sobre todo en comparación con la NS.
Y el bosque es uno de los métodos de aprendizaje más rápidos, sobre todo si se compara con NS.
Sí, pero la clasificación de los bosques también es muy peculiar. NS o Bayes está más cerca de la lógica difusa, y sí de la generalización de datos.
Si no me equivoco, la única diferencia es la velocidad de aprendizaje. De lo contrario, debería volver a entrenar de la misma manera. Al menos la descripción no ha cambiado y no se han añadido limitaciones de profundidad, errores, etc.
Y el bosque es uno de los métodos de aprendizaje más rápidos, sobre todo en comparación con la NS.
la velocidad de aprendizaje es buena, el tiempo de respuesta al utilizar y el tiempo de descarga de la estructura son pobres, ya que los archivos forestales son grandes. He tenido hasta 300 mb.
Hay algo que no funciona en la serialización. El bosque se entrena y se guarda más rápido de lo que se carga desde el archivo.
Si dice que el bosque ahora genera archivos de órdenes de magnitud más pequeños, eso es un aumento de velocidad muy grande
Por el contrario, el NS tarda más en aprender, pero la respuesta es instantánea. No hay diferencia en la calidad de la clasificación. Se puede utilizar cualquier cosa, pero las maderas funcionan desde el principio y hay que ajustar el NS.