Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3144
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
Cuándo te darás cuenta de que para trabajar en el mercado hace falta formación.
Y no cualquier educación.
P.Z.
Como aquí todo es complicado.
Por ejemplo, ¿quién va a leer 31400 mensajes?
Cógelo, recórtalo, resúmelo.
Tienes gente inteligente que sabe de esto del aprendizaje automático, ¿no?
¿Qué hay de malo en mi consejo?
Todo lo mejor, sólo para ti.
P.Z.
no leí con atención
no alimentes a los trolls - de lo contrario inundarán el hilo por completo
Perdón.
Rama de 7 años, 31400 posts, ¿dónde está el resultado?
¿Y que pasa si borras 30000 posts si no hay nada en ellos?
¿O no hay nada? ¿Quién lo sabe?
P.Z.
Banan/Anan=1,23
Este es un hilo de comunicación. El tema de la comunicación es MO. Aquí la gente se comunica, comparte sus impresiones y, a veces los resultados intermedios.
Nadie la obligó a construir gradualmente un asesor de comercio de trabajo. Así que usted puede ser fácilmente anotado como un cebo, tenga cuidado
Lee los textos en chino y luego vuelve a contar la información que contienen.
Pues sí, soy un mal receptor de textos chinos) De eso escribí. Pero eso no significa que no haya información en un texto chino concreto, porque puedes introducir un conversor de información adicional, un traductor del chino al ruso, y entonces quedará claro si hay información en un texto chino dado o si es sólo un conjunto aleatorio de caracteres.
En cuanto a la estabilidad (c) SanSanych. Si se añade el tiempo a un conjunto de atributos, se puede comparar su significación con otros. Si un rasgo es más significativo que el tiempo, entonces es estable. Quizá esto tenga algún sentido)
Por ejemplo, si uno construye un árbol decisivo, sólo lo hace hasta la primera división en el tiempo. Si el árbol resulta estar vacío, entonces todos los rasgos son malos. Alguna justificación de este enfoque (para el caso de los árboles) puede ser la similitud de los algoritmos de búsqueda de puntos de división con la detección de puntos de cambio de una serie temporal. En ambos casos, se suele buscar la división de una única muestra en dos submuestras máximamente diferentes.
Pido disculpas salvajemente, pero ¿por qué no se puede simplemente comprobar las fichas a través del modelo en los nuevos datos en este caso?) la estabilidad es la estabilidad.
.
Es difícil de decir. En mi opinión, para el análisis se toma una ventana grande, varias veces mayor de lo habitual. Luego construimos un árbol de decisión sobre ella, añadiendo el tiempo como característica. Si todo empieza con divisiones temporales, llamamos a los otros signos malos, inestables. Incluso si de repente estas señales funcionan bien en ventanas más pequeñas, seguirá habiendo inestabilidad, porque las dependencias en las distintas ventanas serán muy diferentes.
Es difícil decirlo. En mi opinión, para el análisis se toma una ventana grande, varias veces mayor de lo habitual. Luego construimos un árbol de decisión sobre ella, añadiendo el tiempo como característica. Si todo empieza con divisiones de tiempo, llamamos a las otras señales malas, inestables. Incluso si estas señales en ventanas más pequeñas de repente funcionan bien, seguirá habiendo inestabilidad, porque las dependencias en diferentes ventanas serán muy diferentes.
Añadiendo. En blanco, el tiempo es prácticamente una característica nula
Eso lo entiendo, también podrías buscar en el bosque causal. Por cierto, no lo he estudiado, si alguien lo descubre, sería interesante leer sobre experimentos con él
No. Mi sko son las desviaciones de la "capacidad predictiva". Nada que ver con la estimación del modelo en sí