Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1535
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
incrementos
Este fin de semana terminaré el conector y lo pondré a prueba. Tengo previsto subir el modelo a la nube y recuperar las señales del terminal. Voy a poner el modelo en la nube y tomar las señales del terminal, luego también se puede probar, quien quiera. Puedo enviar el Cliente mt5 más tardeEntonces invertiría en copiar o repetir el método.
Mis experimentos con Alglib forest y single tree con incrementos de precio en la entrada y con TP/SL objetivo - no mostraron nada interesante.
Para empezar, es interesante ver la demo durante un par de meses.
Y luego invertir en copiar o repetir el método.
Mis experimentos en alglib forest y single tree con incrementos de precio de entrada y objetivo marcado por TP/SL - no mostraron nada interesante.
Sólo llegué al punto de construir adecuadamente los objetivos después de un año, y mediante el cambio de sus parámetros se puede cambiar acuraci de una manera predecible
en la demostración, sí, las pruebas se mostrarán.
alglib forest tiene un problema que no comprendo: cuantas más muestras tiene, más se sobreentrena
quizás tenga sentido hacer una furgoneta caliente para ello, es decir, convertir las características en categóricas. Los árboles no serían tan grandesalglib forest tiene un problema que no comprendo: cuantas más muestras, más sobreentrena
tal vez tenga sentido hacer una furgoneta caliente para ello, es decir, convertir los rasgos en categóricos. Los árboles no serán tan grandessobre el tema
Algunos escriben que el vanchot es malo para los andamios porque provoca árboles asimétricos, otros escriben que evita el sobrepaso de los pies. Escoge la segunda :)
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6368971/
de hecho
Algunos escriben que el vanchot es malo para los bosques porque provoca la asimetría de los árboles, otros escriben que evita el sobrepaso de los pies. Escoge la segunda :)
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6368971/
Puede simplemente discretizar los datos de entrada, por ejemplo, convertir 5 dígitos en 4 dígitos. Y los datos ya estarán en grupos de 10.
O, como he sugerido antes, se puede construir en el bosque alglib para detener la ramificación cuando se alcanza la profundidad deseada o el número de ejemplos en la hoja.
Puede simplemente discretizar los datos de entrada, por ejemplo, convertir un valor de 5 dígitos en uno de 4. Y los datos ya estarán en grupos de 10.
O como he sugerido antes, puede construir en el bosque alglib para detener la ramificación cuando la profundidad deseada o el número de ejemplos en la lista se alcanza.
esto es diferente, tienes que hacer categórico para que sus valores no se puedan comparar entre sí
Luego me pongo con el artículo, lo he descontado para no olvidarloLas grandes empresas como Yandex trabajan y hacen cosas. Dicen que lo hagas y estarás bien. Hazlo así y no hagas trabajos de aficionado. De lo contrario, se ahogará en la redacción y los diferentes enfoques.
Muestra el cambio a medida que avanza el gradiente, construyendo árbolesAhí van los cambios cuando se añade un árbol, cierto, mientras que necesito mirar la muestra, como si se añadiera una nueva línea a la muestra - probablemente para poder entender qué áreas/situaciones resultan difíciles de aprender, y en consecuencia pensar en predictores que puedan superar estas áreas difíciles de aprender.
¡No está mal! Aumenta los volúmenes y ya se puede ganar algo)
Así se seleccionan las hojas y se combinan en un modelo para aumentar el volumen, que es como se aumenta el número de entradas, es decir, el Recall.
Quizá este método también funcione con su muestra, pero si se acelerara...
Tales resultados son dados por el árbol con profundidad de 5-7 divisiones, pero revela cierto patrón solamente - generalmente 3-4 hojas van a -1 y 1, y el resto a cero.
incrementos
¿Cuántos predictores hay en total?
Puede simplemente discretizar los datos de entrada, por ejemplo, convertir 5 dígitos en 4 dígitos. Y los datos ya estarán en grupos de 10.
O, como he sugerido antes, se puede construir en el bosque alglib para detener la ramificación cuando se alcanza la profundidad deseada o el número de ejemplos en la lista.
Por supuesto, hay que podar o simplemente prohibir la ramificación por número de ejemplos (completitud - Recall) en una sola hoja. Además, los árboles pueden ser descartados si sus valores de precisión y exhaustividad están por debajo del zócalo.
esto es diferente, es necesario hacer categórica para que sus valores no se pueden comparar entre sí
Luego me pongo con el artículo, lo he descargado para no olvidarloPor cierto, ¿cuáles son sus parámetros para el entrenamiento del modelo?