Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1377
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
Exacto, cuanto más mejor (menos de 100k es ruido), pero hay que tener en cuenta que las propiedades del mercado cambian, y cómo tenerlo en cuenta en la formación es un gran secreto.
He intentado disminuir el peso de las líneas de manera uniforme, pero no he notado ninguna mejora. ¿Cuáles son las otras opciones?
Aquí he probado a reducir el peso de las líneas de manera uniforme, pero no he notado ninguna mejora. ¿Qué otras opciones tiene?
Algo habrás hecho mal, debería ser mejor, aunque tienes que reconfigurar el clasificador, el óptimo sin ponderación temporal es diferente.
También podríamos intentar dividir la urna en, por ejemplo, 10 fragmentos y enseñarles una media más o menos óptima para todos por un 10% de prueba (cerca del final (presente)) y luego utilizar la calidad modulada de la clasificación (1-.1) como pesos para los fragmentos. También es posible utilizar una ventana deslizante por supuesto con un cierto paso para obtener pesos más uniformes. Por cierto, la propia dinámica de estos pesos es una característica muy importante, que tiene que ver con el cambio de los modos de mercado.
Algo debe estar mal, debería ser mejor, aunque hay que reconfigurar el clasificador, el óptimo sin ponderación temporal es diferente.
También es posible tratar de dividir la urna en, por ejemplo, 10 fragmentos y enseñarlos en una media más o menos óptima para todos al 10% de prueba (cerca del final (presente)) y luego utilizar la calidad modulada de la clasificación (1-.1) como pesos para los fragmentos. Es posible hacerlo con una ventana deslizante por supuesto con un cierto paso para conseguir pesos más uniformes. Por cierto, la dinámica de estos pesos en sí es una característica muy importante, que tiene que ver con los cambios de modo de mercado.
No entiendo muy bien la idea, ¿es como lo que aconseja Vladimir? Es decir, ¿después de entrenar sobre una parte de los datos para poner pesos a la pieza de prueba?
Eso es más o menos, si lo entendí bien. Entrenar en la primera rebanada, obtener akurasi y utilizar como un peso, modulado -1, 1 en akurasi todas las rebanadas y así para todas las rebanadas, usted puede hacer rebanadas superpuestas con una ventana deslizante, será más cálculos, pero IMHO 10-20 rebanadas suficiente para una muestra de 500 cuerdas
PS peso no se da a la prueba al final, más cerca de la real, pero a la pieza ler, en la foto de la izquierda.
Eso es más o menos, si lo entendí bien. Entrenar en la primera rebanada, obtener akurasi y utilizar como un peso, modulado -1, 1 en akurasi todas las rebanadas y así para todas las rebanadas, usted puede hacer rebanadas superpuestas con una ventana deslizante, será más cálculos, pero IMHO 10-20 rebanadas suficiente para una muestra de 500 cuerdas
PD el peso no se pone en la de prueba al final, más cercana a la real, sino en la rodaja de lerno, en la foto de la izquierda.
Ah, pues esto es lo contrario a lo de Vladimir. Dio pesos a las líneas en estos trozos de prueba, y al cambiarlos constantemente dio pesos a toda la muestra. Aquí se obtiene un peso diferente para cada línea.
Y tú - entrenar en un pequeño trozo de lern (20-50k líneas), comprobar con la prueba y si la prueba es mejor/peor que la media de todos los trozos, respectivamente cambiar el peso a todas las líneas de este trozo de lern. En este caso, el peso de todas las filas de una rebanada es el mismo.
¿He entendido bien su idea?
En la hucha, probablemente interesante... no lo he visto todavía. me gustó el contenido de la conferencia.
https://www.lektorium.tv/lecture/14232
En la hucha, probablemente interesante... no lo he visto todavía. me gustó el contenido de la conferencia.
https://www.lektorium.tv/lecture/14232
Me gustó el conferenciante, no me gustó la conferencia. Aunque lee bien. He podido aguantar 25 minutos). Estaba destinado a un público diferente. Seguro que algo interesante dirá después, pero 2 horas de ver...
Me gustó el conferenciante, pero no la conferencia. Sin embargo, lee bien. (He podido aguantar 25 minutos). Diseñado para un público diferente. Estoy seguro de que dirá algo interesante a continuación, pero 2 horas de ver...
Yo tampoco lo he descubierto todavía.
Tiene un curso de conferencias. Si ves la primera, es un análisis profundo de la estructura y los modelos del mercado.
interesante en general. Quantum de JP Morgan o quién sabe.
Ah - bueno, es lo contrario de Vladimir. Dio pesos a las líneas en estos trozos de prueba, y al cambiarlos constantemente dio pesos a toda la muestra. Aquí se obtiene un peso diferente para cada línea.
Tienes que entrenar en un pequeño trozo de Lerna (20-50k cadenas), comprobar con la prueba y si la prueba es mejor/peor que la media de todos los trozos, respectivamente cambiar el peso a todas las cadenas en este trozo de Lerna. En este caso, el peso de todas las filas de una rebanada es el mismo.
¿Ahora entiendo bien su idea?
Sí, en una rebanada el peso es el mismo, primero cada rebanada es entrenada y probada en una prueba al final, y el resultado se registra para la rebanada de entrenamiento, luego se toma el promedio para todas las rebanadas y se divide por la extensión esto será los pesos.
En la hucha, probablemente interesante... no lo he visto todavía. me gustó el contenido de la conferencia.
https://www.lektorium.tv/lecture/14232
Las matemáticas financieras presentadas sin el cálculo estocástico de Ito, parecen bastante crípticas y oscuras.