Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2632

[Aleksey Nikolayev]

elibrarius #:

Los árboles buscan divisiones ordenando cada columna.
Por lo visto, hay que tomar todas las columnas posibles y rellenar con NAN las filas en las que no se utilizan. Si el modelo puede manejar NAN.

O con otra cosa: -INF, 0, +INF... para que todas las filas no utilizadas estén en el mismo lado al ordenar.

Esto es más o menos comprensible. Me gustaría algún tipo de enfoque más creativo o algo así. Hay muchas tareas nuevas, como trabajar con escenas de vídeo de diferente duración, etc.

[Aleksey Nikolayev]

mytarmailS #:
¿Qué quieres decir? Describa el problema

Por ejemplo, quiero alimentar al clasificador con trozos de precios de entrada no de una longitud fija en barras (o en enlaces de un patrón en zigzag), sino a partir de algún momento significativo.

[Maxim Dmitrievsky]

Aleksey Nikolayev #:

Por ejemplo, quiero introducir en la entrada del clasificador trozos de precio que no tengan una longitud fija en barras (o en enlaces de un patrón en zigzag), sino que partan de algún momento significativo.

Las redes de recurrencia son adecuadas, como las de muchos a muchos

[mytarmailS]

Aleksey Nikolayev #:

Por ejemplo, quiero alimentar al clasificador con trozos de precios de entrada no de una longitud fija en barras (o en enlaces de un patrón en zigzag), sino a partir de algún momento significativo.

Las reglas asociativas deben estar bien, voy a mostrar un ejemplo

set.seed(123)
li <- list()
for(i in 1:100){
 li <- append(li,  
               list(c(letters[sample(1:10,sample(5:10,1))] ,   sample(c("buy","sell"),1)))
              )}

head(li)

Los datos están en forma de lista, cada fila es un vector con observaciones de cualquier longitud.

head(li)
[[1]]
[1] "c"    "b"    "f"    "j"    "e"    "d"    "i"    "sell"

[[2]]
[1] "j"    "e"    "c"    "h"    "a"    "sell"

[[3]]
[1] "i"   "c"   "h"   "b"   "g"   "buy"

[[4]]
 [1] "c"   "d"   "f"   "a"   "j"   "e"   "i"   "h"   "b"   "g"   "buy"

[[5]]
[1] "i"   "g"   "c"   "d"   "e"   "buy"

[[6]]
 [1] "f"   "i"   "b"   "e"   "g"   "d"   "c"   "a"   "h"   "buy"

el código para buscar patrones en forma de reglas de asociación

library(arules)
model  <- apriori(li, parameter=list(support=0.2, 
                                     confidence=0.6,
                                     minlen=4,
                                     maxlen=5), 
                 appearance = list(rhs=c("buy","sell"), default="lhs"))
inspect(model)                 

las normas

inspect(model)
      lhs          rhs   support confidence coverage lift     count
[1]   {e,f,j}   => {buy} 0.23    0.6764706  0.34     1.166329 23   
[2]   {e,i,j}   => {buy} 0.21    0.6176471  0.34     1.064909 21   
[3]   {b,e,j}   => {buy} 0.23    0.6216216  0.37     1.071761 23   
[4]   {a,e,j}   => {buy} 0.24    0.6857143  0.35     1.182266 24   
[5]   {e,h,j}   => {buy} 0.22    0.6111111  0.36     1.053640 22   
[6]   {c,e,j}   => {buy} 0.26    0.6666667  0.39     1.149425 26   
[7]   {e,g,j}   => {buy} 0.23    0.6571429  0.35     1.133005 23   
[8]   {e,f,i}   => {buy} 0.24    0.6153846  0.39     1.061008 24   
[9]   {b,e,f}   => {buy} 0.22    0.6666667  0.33     1.149425 22   
[10]  {a,e,f}   => {buy} 0.25    0.6756757  0.37     1.164958 25   
[11]  {c,e,f}   => {buy} 0.24    0.6486486  0.37     1.118360 24  
...
...
..
..
.

El algoritmo busca asociaciones entre elementos independientemente de su orden...

Hay algoritmos que tienen en cuenta el orden, pero son codiciosos.

O si quieres más, hay un sistema de recomendación llamado recommenderlab, pero no me metí en él.

[Aleksey Nikolayev]

Maxim Dmitrievsky #:

Las redes recurrentes son adecuadas, del tipo muchos-a-muchos

Gracias, voy a echar un vistazo.

Por supuesto, me gustaría tener algún tipo de texto de revisión sobre el tema, con una descripción y comparación de enfoques (no hay nada malo en desearlo). En teoría, debería haber un texto de este tipo en alguna parte, pero hasta ahora no lo he encontrado.

[Maxim Dmitrievsky]

Aleksey Nikolayev #:

Gracias, voy a echar un vistazo.

Por supuesto, me gustaría tener un texto de revisión sobre el tema, con una descripción y comparación de enfoques (no hay nada malo en desearlo). En teoría, debería haber un texto de este tipo en alguna parte, pero hasta ahora no lo he encontrado.

Sólo he visto lo de la entrada-salida de longitud variable en este tipo de redes, y eso es pura reseña, sin entrar en ello.

para el tratamiento de textos, traducciones

[Aleksey Nikolayev]

mytarmailS #:

lasreglas asociativas deberían funcionar, le daré un ejemplo

datos como una lista , cada fila es un vector con observaciones de cualquier longitud .

El código para buscar patrones en forma de reglas de asociación

las normas

El algoritmo busca asociaciones entre elementos independientemente de su orden...

Hay algoritmos que tienen en cuenta el orden, pero son codiciosos.

O si quieres más, hay un sistema de recomendación llamado recommenderlab, pero no lo he mirado.

Gracias, voy a echar un vistazo.

Sin embargo, con nosotros, el orden sí importa. Siempre se puede, por ejemplo, obtener SB mezclando los incrementos al azar.

También he recordado que creo que escribiste aquí hace tiempo sobre la minería de patrones secuenciales y el problema de la alineación de secuencias que surge allí. También parece ser uno de los métodos para resolver el problema. Sin embargo, la pertenencia de las secuencias a una clase no significa necesariamente su similitud.

[mytarmailS]

Aleksey Nikolayev #:

Gracias, voy a echar un vistazo.

Aun así, con nosotros, el orden es importante. Siempre es posible, por ejemplo, obtener SB barajando los incrementos al azar.

También recuerdo que una vez escribiste aquí sobre la minería de patrones secuenciales y el problema de la alineación de secuencias. También parece ser uno de los métodos para resolver el problema. Sin embargo, la pertenencia de las secuencias a una clase no significa necesariamente su similitud.

Pues bien, el paquete arulesSequence

[mytarmailS]

Se ha puesto en marcha una estrategia de oro del mercado ))

Curva capital en mi probador.

lo lanzó en tslab para obtener una mejor visión

Parece que es un buen partido.

He mirado los oficios.

Utilicé mi comerciante de la mano y yo no entiendo su algoritmo de negociación.

Forrest ciertamente no pudo identificar nada, pero fue interesante e informativo )))

[Dmytryi Voitukhov]

Maxim Dmitrievsky #:

Las redes recurrentes son adecuadas, del tipo muchos a muchos

Podría ser útil... Tengo un many-to-many sin recurrencia. Y no hay capas convolucionales. Y elegí este modelo después de analizar el mecanismo de la red neuronal. Estamos buscando un denominador común aquí, ¿no? Discute.