Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2917

 
mytarmailS #:

Algún tipo de trucos vitales que permiten algoritmizar lo no algoritmizable,

convertir en código lo que no se puede explicar, lo que el ojo ve, el cerebro entiende, pero no se puede describir con código ordinario ....

...

Pero si preparas los datos correctamente y los agrupas correctamente, obtendremos algo parecido a lo que el cerebro humano ve en un gráfico....

¿"Correctamente" cómo? ¿Qué tipo de agrupación? ¿Cómo se pasa de un estado a otro en una barra, porque para identificar un conglomerado se necesita cierta información sobre la formación del conglomerado?

 
He cambiado mi nombre de elibrarius a leñador, ya que me dedico al modelado de madera... para que el apodo coincida con la actividad principal.
 
Aleksey Vyazmikin #:

"Correcto", ¿cómo? ¿Qué tipo de agrupación? ¿Cómo se pasa de un estado a otro en una sola barra, porque la identificación de agrupaciones requiere cierta información sobre la formación de la agrupación?

escrito en PM

 
Forester #:
He cambiado mi nombre de elibrarius a forester, ya que me dedico al modelado de madera... para que mi nick coincida con mi actividad principal.

Hay un buen paquete con el mismo nombre forester. Tal vez te interese.

 
Necesito renombrarme R_fanat entonces))))
 
Vladimir Perervenko #:

un bonito paquete con el mismo nombre forester. Te interesará.

Bueno, yo tengo mi propio bosque. La ventaja es que puedes cambiar absolutamente cualquier cosa del código para hacer experimentos. Así que no miro los bosques/bosques de otras personas. A no ser que aparezca algo rompedor. Pero los árboles son simples, es difícil que aparezca algo nuevo.
 
Forester #:
Bueno, yo tengo mi propio bosque. Lo bueno es que puedes cambiar absolutamente cualquier cosa del código para experimentar.

¿Para qué?

Todos los parámetros necesarios ya están en los paquetes y puedes cambiarlos.

 
mytarmailS #:

¿Para qué sirve?

Todos los parámetros necesarios ya están en los paquetes y se pueden modificar.

Tiene poca utilidad (para el comercio), pero hay más margen para la experimentación.
 
De John Simons Renaissance
El equipo mejoró sus algoritmos predictivos aplicando una métrica cuantitativa bastante sencilla: cuántas veces se mencionaba una empresa en las noticias, independientemente de si las menciones eran positivas, negativas o simples rumores.
 
Valeriy Yastremskiy feed de noticias, independientemente de si las menciones eran positivas, negativas o simples rumores.

En el año 2000 se recopilaban y analizaban 1 terrabyte de datos y 8.000 herramientas al año. Se analizaba todo lo que se podía evaluar, noticias, artículos de prensa... Y eso en el año 2000. 140 empleados.

Razón de la queja: