Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2626

 
Maxim Dmitrievsky #:
Solo muéstrame si lo tienes, te mostraré mis resultados en el método, no tuve tiempo de terminarlo.
Todavía está en desarrollo, un proceso muy costoso en términos de recursos informáticos, mientras estoy optimizando el código
 
 

La importancia de los signos en la ventana móvil (indicadores y precios)

En un momento el indicador puede tener un 10% de importancia y en otro momento puede tener un 0,05%, así es la verdad de la vida)

Si crees que lo resuelve todo, deberías estar orgulloso de ello.


Así son los cuatro signos del Iris de Fisher.


O si se acerca a la ventana deslizante.


 
mytarmailS #:

La importancia de los signos en la ventana móvil (indicadores y precios)

En un momento el indicador puede tener un 10% de importancia y en otro momento puede tener un 0,05%, así es la verdad de la vida)

Si crees que lo resuelve todo, deberías estar orgulloso de ello.


Así son los cuatro signos del Iris de Fisher.


O si se amplía la ventana deslizante.


Está claro que los iris (y problemas similares) tienen un patrón estable. Todos los que han experimentado con ellos ya se han dado cuenta de que todo "flota" entre comillas.

Me pregunto cómo el significado de los indicadores es diferente en cada punto del gráfico. Se determina para todo el modelo construido en todas las líneas de entrenamiento a la vez. ¿O tiene 5000 modelos allí?
Y en general, explique sus gráficos, lo que hay en ellos y cómo se construyeron.


 
elibrarius #:

El hecho de que los iris (y problemas similares) tengan un patrón estable ya está claro. Y el hecho de que todo "flota" en las comillas también está claro para todos los que han experimentado con ellas.

Me pregunto cómo la importancia de los indicadores es diferente en cada punto del gráfico. Se determina para todo el modelo construido en todas las líneas de entrenamiento a la vez. ¿O tiene 5000 modelos allí?
Y, en general, explica tus gráficos, lo que hay en ellos y cómo se construyeron.


Hay muchas formas de averiguar la informatividad de una característica, algunas de las cuales no tienen que entrenar un modelo. Yo usé fselector. https://www.r-bloggers.com/2016/06/venn-diagram-comparison-of-boruta-fselectorrcpp-and-glmnet-algorithms/
Cuenta la entropía de las características...

¿Por qué la importancia es diferente en cada punto? Sí, porque la informatividad de los rasgos se calculó en una ventana deslizante como escribí anteriormente.
 
mytarmailS #:
Hay muchas formas de averiguar la informatividad de los rasgos, para algunas no es necesario entrenar un modelo. Yo he utilizado fselector. h ttps://www.r-bloggers.com/2016/06/venn-diagram-comparison-of-boruta-fselectorrcpp-and-glmnet-algorithms/
Cuenta la entropía de los rasgos...

¿Por qué la importancia es diferente en cada punto? Sí, porque la informatividad de los rasgos se calculó en una ventana deslizante como escribí anteriormente.
Así que hay que buscar periodos en los que la importancia no salte, se pueden utilizar 2 modelos. Por lo demás, es un lío.

Hice un entrenamiento de ventanas en línea, si lo tomas todo junto sin filtrar por tiempo, el rendimiento es pobre. En su momento no pensé en hacerlo con filtro. Hay un ejemplo de tal bot en mi artículo sobre la entropía

Lo más probable es que los saltos de importancia se deban a cambios de entropía, si los signos como los retornos
Pero todos los adeptos de las puertas foregate tienen su propia realidad no basada en la práctica
 
Maxim Dmitrievsky #:

Pero todo tipo de adeptos al foregato tienen su propia realidad, no basada en la práctica
¿Qué es eso?


Creo que hay que buscar un patrón y construir un modelo para él, a menudo el modus operandi no puede construir un modelo incluso para un patrón comprensible, hay que hacerlo todo con las manos
 
mytarmailS #:
¿Qué es eso?


Creo que hay que buscar un patrón y construir un modelo para él, a menudo el MO no puede construir un modelo incluso para un patrón comprensible, hay que hacerlo todo a mano

Bueno, hay todo tipo de redes de recurrencia, había una aquí

directamente a través del patrón y buscar un patrón donde se comporta en un patrón :)

Sencillamente: entrenarlo, comprobarlo en una prueba, identificar los periodos en los que se desprendía y funcionaba, sacar conclusiones/intentar filtrarlo, identificar un patrón

No hay que separar las estadísticas del modus operandi, hay que usar las estadísticas para los modelos, se entrenan al azar

Si conoces el patrón, no necesitas el modus operandi
 
Maxim Dmitrievsky #:
Deberías ir directamente al modelo y buscar un patrón, donde se comporta como si fuera un patrón :)

Si es muy sencillo: enseñarlo, probarlo en un test, identificar los periodos en los que se vertía y funcionaba, sacar conclusiones / tratar de filtrar, identificar un patrón

Sí, en principio es posible, incluso mejor, en este orden se puede hacer en la máquina

Maxim Dmitrievsky #:


Si es bastante sencillo: enseñar, probar, identificar los periodos en los que se vertía y funcionaba, sacar conclusiones / intentar filtrar, detectar un patrón

o no verter))

Maxim Dmitrievsky #:


No hay que separar las estadísticas del modus operandi, hay que usar las estadísticas para los modelos, se entrenan al azar

Para mí, no es necesario hacer modelos complicados, basta con una simple regla, de lo contrario no se puede llamar patrón.

Maxim Dmitrievsky #:


SZY si conoces el patrón, entonces el modus operandi es algo innecesario.

Siempre quiero hacerlo mejor)))

 
mytarmailS #:
Hay muchas formas de averiguar la informatividad de una característica, algunas de las cuales no tienen que entrenar un modelo. Yo usé fselector. h ttps://www.r-bloggers.com/2016/06/venn-diagram-comparison-of-boruta-fselectorrcpp-and-glmnet-algorithms/
Cuenta la entropía de los rasgos...

¿Por qué la importancia es diferente en cada punto? Sí, porque la informatividad de las características se contó en la ventana deslizante como escribí arriba
Estaba comparando varias formas de estimar la importancia de los atributos. He tomado como referencia la que más recursos consume: entrenar el modelo eliminando las características una a una.
Los métodos rápidos no coinciden con el punto de referencia. Tampoco coinciden entre sí. El fselector es aún más rápido, tampoco creo que coincida con nada.
Сравнение разных методов оценки важности предикторов.
Сравнение разных методов оценки важности предикторов.
  • www.mql5.com
Провел сравнение разных методов оценки важности предикторов. Тесты проводил на данных титаника (36 фичей и 891 строки) при помощи случайного леса из 100 деревьев. Распечатка с результатами ниже. За
Razón de la queja: