Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2073
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
Por qué tomar la toma después del extremo, porque la corrección podría haber sido del 50%, lo que significa que tenemos que tomar ZZ del último segmento en torno al 100%.
,
Oh, así que casi dibujaste el sistema que publiqué antes como un informe :) Sólo tomo TP más alto y no espero a la formación del último intervalo de ZZ (aunque es una cuestión de configuración).
¿Y? ¿Dejarás el código? O al menos una muestra.
Enlace de muestreo.
Columna objetivo "Target_100", al final la columna de fecha siguiente y las dos últimas no se utilizan en el entrenamiento.
La muestra está dividida en 3 partes, exam.csv no participa en el entrenamiento.
Como opciones, una salida antes de un extremo (con inversión),
salida en el cruce con el canal basado en 3 extremos
Hay un área separada de clasificación de series temporales y bibliotecas relacionadas como esta
https://pyts.readthedocs.io/en/latest/auto_examples/transformation/plot_rocket.html
¿Alguien lo ha utilizado?
Hay un área separada de clasificación de series temporales y bibliotecas relacionadas como esta
https://pyts.readthedocs.io/en/latest/auto_examples/transformation/plot_rocket.html
¿Alguien lo ha utilizado?
Deberías usarlo, es un paquete interesante. Sólo un constructor.
Deberías usarlo, es un paquete interesante. Es como un constructor.
He puesto un enlace a ROCKET por una razón: es un convertidor de funciones muy interesante. Crea una gran cantidad de características no correlacionadas a partir de las originales, mejora la calidad de la clasificación.
Se recomienda su uso con modelos lineales (ya que produce muchas características).
Tendrá que probarlo
Hay una razón por la que enlacé a ROCKET en primer lugar: es un convertidor de funciones genial. Crea una gran cantidad de características no correlacionadas a partir de las originales, mejora la calidad de la clasificación.
se recomienda su uso con modelos lineales (porque se obtienen muchas características)
Tendrá que probarlo
Avíseme de los resultados - ¡un tema muy interesante!
Crea una gran cantidad de características no correlacionadas a partir de las originales,
PCA regular)
PCA regular)
no