Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 495
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 pasa nada, el resultado es cero, tienes la suerte de que en una muestra tan pequeña el resultado no está estadísticamente sesgado. Y ni siquiera es necesario mirar la equidad en el backgammon, se puede hacer fácilmente como un exponente sin variaciones.
Entonces, ¿en qué se guían a la hora de elegir una jugada a balón parado para un delantero?
Por desgracia, se equivocan y esto es normal no sólo para los "ignorantes" y snobs, recuerden a Minsky y su autorizada opinión sobre la "inutilidad" de los perseptrones multicapa))
Ni siquiera hablo de los artículos de Habra, es como la basura de los foros, 99,9% de publicidad, ciencia ficción pop y basura explícita, 0,1% de ideas inteligentes de forma implícita "entre líneas".Personalmente, soy partidario de la necesidad de entender cómo funciona el algoritmo, hacerlo yo mismo y utilizar librerías de la red para su cotejo.
Y en la red son en su mayoría repuestos solo, etc, un montón de videos, pero pocos ejemplos de aplicación concreta en el código o en el código, pero en un lenguaje de programación desconocido.
Todo el mundo es un perdedor excepto el FA.
sólo se les ha enseñado a los FA.
;))
Veo que no te estoy dejando respirar tranquilo... respira y cálmate
¿Qué tiene que ver todo esto con la extrapolación...
¿los que escribieron RF en la biblioteca de alglib también son gente inculta?
y los blogueros de r tampoco tienen ni idea por lo que se ve
https://www.r-bloggers.com/extrapolation-is-tough-for-trees/
Cuando nos referimos a personas con autoridad, significa que confiamos en el resultado. Sólo podemos hacerlo con personas muy reputadas que publican los resultados en buenas revistas con editores cualificados.
¿Qué quieres decir? ¿Sobre el blog? ¿Es una autoridad?
Su enlace es una referencia clásica a los que yo llamo ignorantes.
El autor toma la regresión lineal, un modelo de aplicación extremadamente limitado, y argumenta algo al respecto.
En el caso de la regresión lineal, las propiedades de los datos de entrada son extremadamente importantes, y es muy importante justificar que los resultados son fiables. ¿Dónde está esto en el artículo?
Son los fundamentos de la estadística, que se aplican a cualquier modelo.
Está formulado de forma muy sucinta como un axioma de la estadística (y de todas las matemáticas, en realidad): Basura EN ENTRADA - Basura EN SALIDA.
La persona que no lo sabe o no lo aplica en la práctica es, en mi opinión, uno de los patanes densos, independientemente de que conozca o no la palabra Parseptron.
Cuando nos referimos a personas con autoridad, significa que confiamos en el resultado. Sólo se puede hacer con personas muy reputadas que publican los resultados en buenas revistas con editores cualificados.
¿Qué quieres decir? ¿Sobre el blog? ¿Es una autoridad?
Su enlace es una referencia clásica a los que yo llamo ignorantes.
El autor toma la regresión lineal, un modelo de aplicación extremadamente limitado, y argumenta algo al respecto.
En el caso de la regresión lineal, las propiedades de los datos de entrada son extremadamente importantes, y es muy importante justificar que los resultados son fiables. ¿Dónde está esto en el artículo?
Son los fundamentos de la estadística, que se aplican a cualquier modelo.
Está formulado de forma muy sucinta como un axioma de la estadística (y de todas las matemáticas, en realidad): Basura EN ENTRADA - Basura EN SALIDA.
Una persona que no sabe esto, o no lo aplica en la práctica - en mi opinión se refiere a los patanes densos, independientemente de si conoce la palabra perseptron o no.
Cielos, ¿han estado todos bebiendo?
¿Sabe el bosque extrapolar? Sí.
¿Lo hace bien? No.
¿Puede el bosque extrapolarse? Sí.
¿Lo hace bien? No.
La RF ABSOLUTAMENTE no puede extrapolar, esto se debe a la estructura del árbol de decisión como se muestra en el artículo anterior
RF ABSOLUTAMENTE no sabe aproximar, tiene que ver con la estructura del árbol de decisión como se muestra en el artículo anterior
¡Qué mal rollo!
La extrapolación y la aproximación son ABSOLUTAMENTE diferentes.
¿No estás sobrio en absoluto?
¡Qué mal rollo!
La extrapolación y la aproximación son ABSOLUTAMENTE diferentes.
¿No estás sobrio en absoluto?
Sí, confundí accidentalmente las palabras, porque estaba leyendo sobre la aproximación en ese momento
Aquí hay un ejemplo interesante, ya lo publiqué en este hilo una vez.
La extrapolación en este caso sería la predicción fuera de la "nube de puntos conocidos"
Si los puntos conocidos están bien agrupados, se puede ver que la extrapolación no es un problema para la mayoría de los modelos.
Pero si los puntos conocidos estuvieran dispuestos de forma más aleatoria, sin agrupaciones evidentes, la predicción en sí sería peor y la extrapolación no sería creíble.
Todo es cuestión de predictores, si pones basura en el modelo no puedes extrapolar bien.
En el caso de las divisas es poco probable encontrar predictores ideales, yo nunca operaría por extrapolación sobre datos financieros.