Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2214
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
No sé de python, pero r-ka no es muy bueno, o no sé cómo hacerlo, así que se me ocurrió esto...
En katbust también puede escribir su propia pérdida fi y utilizarla para juzgar un trainee\test.
No le veo mucho sentido, con los de serie es suficienteEn el mismo Katbust puede escribir su propio factor de pérdida y estimar por él en el tren de prueba
No veo el punto, los estándar son suficientesen katbusta hay una métrica para maximizar el beneficio con la mínima detracción...)
bueno katbusta tiene una métrica para maximizar los beneficios con la mínima detracción ))
bien escribir un eps y ponerlo como eval_metric
Sólo uso R^2 para la optimización
bueno, escribe un eps y ponlo como eval_metric
Sólo uso R^2 para la optimización
Tendré que probar eso, no sabía...
qué es un eps
Tendré que probar eso, no sabía...
¿Qué es un eps?
tiene sentido escribir sus propios f.i.s, sí... la cuestión es cuál es mejor.
eprst
Maldita sea...
un tipo me escribió un mensaje desde aquí que está optimizando para alguna inestabilidad de Lyapunov
Habría que preguntarle a https://www.mql5.com/ru/users/alexeynikolaev2 si es lo suficientemente bueno. Ciertamente lo sabe)).
Tiene sentido escribir tus propios f.i.s., sí... la pregunta es cuál es mejor
eeprst
Maldita sea...
un compañero me escribió en el carro que optimiza por la inestabilidad de Lyapunov
No sé si Lyapunov, pero la función de aptitud es todo un "mundo" de nuevas posibilidades, soluciones mucho más óptimas...
Por ejemplo, tenemos un "objetivo global" para maximizar el beneficio con una reducción mínima...
Podemos decir - "AMO", pero si piensas en características que mejoren el "objetivo global"...
Y buscará soluciones, "pensará en algo" por sí mismo que nunca se te ocurriría, e incluso mucho...
No sé si Lyapunov, pero la función de aptitud es todo un "MUNDO" de nuevas posibilidades, soluciones mucho más óptimas...
Por ejemplo, tenemos un "objetivo global" de maximizar los beneficios con una reducción mínima...
Podemos decir - "AMO", pero si piensas en características que mejoren el "objetivo global"...
y buscará soluciones, se le ocurrirán cosas que a usted nunca se le ocurrirían, y aún más...
Todavía no lo entiendo. Su objetivo lo marcan las etiquetas. Si los fijas, los beneficios y las detracciones serán los mismos.
escribir normalmente )Todavía no lo entiendo. Su objetivo lo marcan las marcas. Sea cual sea la marca que establezcas, el beneficio y la reducción serán los mismos.
escribir normalmente )No lo explico bien.
Bueno, hay objetivos que no se pueden fijar con las marcas, sino sólo a través de la búsqueda del mínimo.
Por ejemplo: quiero crear un marcador informativo.
¿puedo crear etiquetas para ello? no, no existe, y ni siquiera sé cómo debería ser...
Pero puedo describirlo en términos de utilidad, un rasgo informativo es un rasgo, cuya formación mejorará significativamente el "objetivo global" - la maximización de los beneficios con una reducción mínima
Verás, no puedo crear etiquetas en el IP (objetivo informativo), pero puedo describirlo como una maximización...
Ahora podemos tomar una red con miles de pesos y jugar con sus pesos hasta que encuentre el IP, es decir, hasta que maximice ...
O no una red, podemos hacer lo mismo MSUA, o podemos crear reglas...
Jugar significa ejecutar algún tipo de algoritmo de optimización, o de búsqueda...
No me explico bien((.
Bueno, hay algunos objetivos que no se pueden expresar con etiquetas, sólo a través de la búsqueda del mínimo
Por ejemplo, quiero crear un artículo informativo
¿Puedo crear etiquetas para ello? No, no existe, y ni siquiera sé cómo debería ser...
Pero puedo describirlo en términos de utilidad, un rasgo informativo es un rasgo, cuya formación mejorará significativamente el "objetivo global" - la maximización de los beneficios con una reducción mínima
Verás, no puedo crear etiquetas en el IP (objetivo informativo), pero puedo describirlo como una maximización...
Ahora podemos tomar una red con miles de pesos y jugar con sus pesos hasta que encuentre el IP, es decir, hasta que maximice ...
O no una red, podemos hacer lo mismo MSUA, o podemos crear reglas...
Jugar significa ejecutar algún tipo de algoritmo de optimización, o de búsqueda...
¿Así que tienes una red entrenada y simplemente cambias los pesos y ves cómo funciona con nuevos datos?
De hecho, tengo una red vacía (la entreno sólo para inicializarla, porque no es autoescrita, sino de un paquete).
Puedo pensar en cualquier abstracción, cualquier objetivo y escribir una función de aptitud.
Entonces deja que la genética empiece a cambiar los pesos de la red para que yo (la red) reciba al menos algo parecido a mi objetivo en la prueba y en el traine.
Y esto es "mil veces" más profundo que crear etiquetas y ajustar la regresión o la clasificación.