Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 519
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
Entonces, ¿qué pasa? Cualquier ayuda?????
Qué tema???? Amigo... ¿Quién es usted?
Porque quizás eres nuevo aquí y no me conoces. Yo también soy un tipo de IA ..... ¿Qué es lo que... Eres de por aquí. :-)
Aunque en principio soy amable y todo lo que hagas aquí funcionará SOLO cuando los datos sean la razón del precio. Entonces cualquier TS funcionará bien, incluso 1 barra por delante o 15 barras por delante de la previsión (15 será por supuesto peor que 1, pero no es el punto). No es el punto... Punto... Índice RTS que tiene OI. Como el significado de volumen.... Y el problema está resuelto. CUALQUIER cosa, ya sea una predicción o una clasificación.
Y qué querías decir con tu frase, querida.....
:D
Ahora quiero decirte que te vayas a la mierda. Mi querido amigo. Gracias.
Exacto, no dijiste nada ni la última vez ni esta, como si te hubieras tirado un pedo en el void...... No necesitamos que gente como tú nos hable. Lo siento....
Paradójicamente, la clasificación es lo mismo que la regresión.
Sólo en el caso de la regresión el resultado es un real, mientras que en la clasificación es una probabilidad.
Los objetivos de regresión son curvas continuas, mientras que los objetivos de clasificación son impulsos (0, 1) o (-1,+1).
A continuación, esta salida se traduce en la clase adecuada (ifelse(y > 0,5, 1, 0).
2) ¿Qué pasa si tengo 3 clases -1,0,1 (comprar, vender, esperar). ¿Es a través de 0,5 (k=0;si(y<-0,5)k=-1; si(y>0,5)k=1; el punto medio entre las clases, pero la probabilidad de la clase 0 será dos veces mayor que la de 1 o -1) o a través de 0,33 (k=0;si(y<-0,33)k=-1; si(y>0,33)k=1; por lo que todas las clases son igualmente probables)?
Una buena clasificación se hace así. A cada clase se le asigna una salida distinta. Se utiliza una función de pérdida de aprendizaje de entropía cruzada. Sólo se puede asignar una clase durante la formación. Es necesario prever la clase de no señal. Por ejemplo, comprar, vender, no hacer nada. Son clases distintas. Alimentar todos los valores a una salida es ineficiente porque una neurona no puede aprender a dividir, por ejemplo, 10 clases.
Las derivadas muestran la dirección de la tendencia. Las derivadas de 2 MAs y la diferencia entre ellas describen completamente el estado del sistema. Tú mismo preguntaste en el hilo).
Sin embargo, depende de su propio gusto).
las derivadas de 2 masas y su diferencia dependen sólo de 4 barras, no pueden describir bien el estado del sistema de ninguna manera
1) ¿La transferencia a una clase se hace siempre por el medio de la gama?
2) Y si 3 clases -1,0,1 (vender, esperar, comprar). Transferencia a través de 0,5 (k=0;si(y<-0,5)k=-1; si(y>0,5)k=1;medio entre las clases, pero la probabilidad de la clase 0 será dos veces mayor que la de 1 o -1) o a través de 0,33 (k=0;si(y<-0,33)k=-1; si(y>0,33)k=1;por lo que todas las clases tienen las mismas probabilidades)
En R, suelen ser posibles varios resultados para la clasificación:
Se establece el modo "probabilidad de clase" y se calcula la clase de forma independiente, por ejemplo, por mitades o 30/70. O se puede hacer lo siguiente: menos del 30% una clase y más del 70% otra, y la diferencia entre ellas como NA.
1) ¿La transferencia a una clase se hace siempre por el medio de la gama?
2) Y si 3 clases -1,0,1 (vender, esperar, comprar). ¿Transferencia a través de 0,5 (k=0;si(y<-0,5)k=-1; si(y>0,5)k=1;medio entre las clases, pero la probabilidad de la clase 0 será el doble que la de 1 o -1) o a través de 0,33 (k=0;si(y<-0,33)k=-1; si(y>0,33)k=1;por lo que todas las clases tienen la misma probabilidad)?
Hablando de dos clases. La salida del clasificador continuo puede traducirse en etiquetas de clase utilizando un umbral:
Son posibles dos resultados:
Normalmente, los clasificadores tienen como salida una variable numérica continua (nivel de soporte). Los grados de apoyo para una entrada dada X pueden interpretarse de diferentes maneras, siendo las dos más comunes la validez en las etiquetas sugeridas y la estimación de las posibles probabilidades de las clases. Las probabilidades de clase vienen mal dadas por los modelos, por lo que normalmente hay que calibrarlos. Ver calibrate::CORElearn. Las salidas después de las funciones de activación softmax son las más cercanas a las probabilidades de clase.
Buena suerte