Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3080
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
Cada uno tiene su propio punto de vista, y hasta que los puntos de vista no coincidan, los adversarios no podrán entenderse.
Si lo hacen, ¿por qué discuten?
¡Hola, gente!
¡Hola, gente!
¡Saludos, humano!
Sin embargo, los bots pueden ofenderse ante tal saludo :)
Si te he entendido bien, ¿crees que hay diamantes ocultos en el archivo de CodeBase que los comerciantes simplemente no ven? ¿Y quieres cribarlos con ML?
Si es así, ¿por qué piensas que los que escribieron y publicaron estos indicadores no los han mostrado ya en su mejor momento?
Con esto quiero decir que no necesitas buscar indicadores, sino que puedes buscar ideas originales.
¿Cómo propones automatizar el proceso de búsqueda de ideas originales?
Sólo estoy sugiriendo para encontrar un indicador, esperando que puede haber una idea interesante que funciona en el mercado, y luego se puede adaptar o hacer análogos, desarrollado.
¡Saludos, humano!
Sin embargo, los bots pueden ofenderse ante tal saludo :)
¿Quieres ser tolerante? No lo seas.
Pero en general, quién sabe dónde está la sal... Puede estar en los indicadores, pero no en el parque. Estoy usando Natashki Mashka, y está bien.
Hoy me he peleado con el chat, dice que soy muy intolerante.¿Quieres ser tolerante? Yo no.
Ni siquiera sé si es posible tolerar bots con fallas.....
AI maestros, el teléfono es pre-top, la luna es sólo kapets, en la vida real es extremadamente nítida, AI cámara hizo como una luna creciente) visualmente hay una luna nueva, muy hermosa.
Sí, lo vi hoy, me gustó.
Quiero volver a visitar el artículo https://arxiv.org/pdf/2201.12692.pdf debido a la moda fuera de serie de la inferencia causal en el ME.
Lo que saqué del artículo.
El autor, tomando uno de los algoritmos más famosos de MO -RF, analizó los cambios en el error, cambiando la forma de formación de los datos de entrada y el tamaño de la muestra. Al mismo tiempo, dividió el error en varianza y sesgo, que, en su opinión, pueden sumarse. El sesgo se muestra en la figura en relación con algún ideal, que no está claro de dónde procede.
El artículo concluye, y no es la primera conclusión novedosa, que el ajuste cruzado es mejor, con pliegues al menos tan grandes como el muestreo completo.
Pero esto no es lo principal que motivó la redacción.
Este artículo ilustra a la perfección la promoción publicitaria de resultados triviales.
El propio título"Causal Effects" nos toca las narices en nuestro atraso, porque estudiando varios sines no nos dimos cuenta de que se trata del resultado de Causal Effects de alimentar datos de entrada a la entrada sin y obtener el resultado.
El autor toma RF, da datos de entrada a la entrada y obtiene un error como resultado.
Para que todo el mundo se dé cuenta de que estamos tratando con una dirección completamente nueva en MO, entonces los datos de entrada (predictores) se llaman covariables, el algoritmo RF se llama metaaprendiz, y todo el proceso se llama Efectos Causales .
Los apologistas de los Efectos Causales no son conscientes de que a veces en ruso las covariables son aquellos predictores que tienen un efecto no sólo sobre la variable objetivo sino también sobre los predictores vecinos, es decir, el término debería utilizarse con más precisión para evitar ambigüedades.
Llamar "metaaprendiz" al algoritmo RF es otro truco publicitario de Causal Effects, ya que este algoritmo produce reglas que ciertamente NO son un aprendiz. Pero desde un punto de vista publicitario en el aprendizaje automático debería haber aprendices y por la importancia de "meta" y basta.
El artículo justifica con cierto detalle la elección de RF como algoritmo base , afirmando específicamente que se puede utilizar cualquier (?) algoritmo MO en lugar deRF. Como generalización de este pensamiento, se utiliza el término molestia, es decir, desagradable, odioso, molesto . Si es por texto, probablemente debería traducirse como "una función del ruido", es decir, el algoritmo RF es una "función del ruido". Pero qué intrincado y bonito suena, y lo que es más importante, el lector, que antes pensaba que RF produce reglas con algún error, simplemente lo disfruta.
Podemos seguir, pero lo anterior es suficiente para referir todo esto delos Efectos Causales a pura publicidad, por cierto muy exitosa, cuando el verdadero disparate se vendió y consiguió un lugar como profesor en la Universidad de Stanford, consiguió seguidores que quieren estar al día con las nuevas tendencias avanzadas.
Entonces, ¿quién es el autor de la supuesta nueva tendencia de vanguardia en ME? A juzgar por el número de referencias, un tal Victor Chernozhukov, un hombre que no tiene educación de perfil, graduado en un instituto agrícola a principios de los 90. Recuerdo muy bien esta época, cuando millones de Chernozhukovs, bajo los gritos de la conciencia no nublada con la educación y los hechos, corrían y movían todo tipo de tonterías. y muchos de ellos se convirtieron en multimillonarios y políticos de alto nivel.
Hoy el mundo entero vive de acuerdo a las leyes de la publicidad, todas las esferas, pensó que MO pasará esta copa. Pues no.
Este artículo ilustra a la perfección la promoción publicitaria de resultados triviales.
El propio nombre de"Efectos Causales " nos toca las narices por nuestro atraso, porque al estudiar varios sines no nos dimos cuenta de que se trata del resultado deEfectos Causales de dar datos de entrada a la entrada del sin y obtener el resultado.
El autor toma RF, da datos de entrada y obtiene un error como resultado.
Para que todo el mundo se dé cuenta de que estamos tratando con una dirección completamente nueva en MO, entonces los datos de entrada (predictores) se llaman covariables, el algoritmo RF se llama metaaprendiz, y todo el proceso se llama Efectos Causales .
Los apologistas de los Efectos Causales no son conscientes de que a veces en ruso las covariables son aquellos predictores que tienen un efecto no sólo sobre la variable objetivo sino también sobre los predictores vecinos, es decir, el término debería utilizarse con más precisión para evitar ambigüedades.
Llamar "metaaprendiz" al algoritmo RF es otro truco publicitario de Causal Effects, ya que este algoritmo produce reglas que ciertamente NO son un aprendiz. Pero desde el punto de vista publicitario en el aprendizaje automático debería haber estudiantes y para la importancia de "meta" y basta.
El artículo justifica con cierto detalle la elección de RF como algoritmo base , afirmando específicamente que se puede utilizar cualquier (?) algoritmo MO en lugar deRF. Como generalización de este pensamiento, se utiliza el término molestia, es decir, desagradable, odioso, molesto . Si es por texto, probablemente debería traducirse como "una función del ruido", es decir, el algoritmo RF es una "función del ruido". Pero qué intrincado y bonito suena, y lo que es más importante, el lector, que antes pensaba que RF produce reglas con algún error, simplemente lo disfruta.
Se puede seguir, pero lo anterior es suficiente para remitir todo esto delos Efectos Causales a pura publicidad, por cierto muy exitosa, cuando las verdaderas tonterías se vendieron y consiguieron una plaza de profesor en la Universidad de Stanford, consiguieron seguidores que quieren estar al día de las nuevas tendencias avanzadas.
Entonces, ¿quién es el autor de la supuesta nueva tendencia de vanguardia en ME? A juzgar por el número de referencias, un tal Victor Chernozhukov, un hombre que no tiene formación de perfil, graduado en un instituto agrícola a principios de los 90. Recuerdo muy bien esta época, cuando millones de Chernozhukovs, bajo los gritos de la conciencia no nublada con la educación y los hechos, corrían y movían todo tipo de tonterías. y muchos de ellos se convirtieron en multimillonarios y políticos de alto nivel.
Hoy el mundo entero vive de acuerdo a las leyes de la publicidad, todas las esferas, pensó que MO pasará esta copa. Pues no.