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
Bueno, si hay demasiados predictores con una puntuación inferior a 2, entonces no se pueden aislar los predictores útiles por ningún otro medio que el mío. No sé cómo interpretar esto. No olvidemos que los predictores tienen un impacto no sólo en la variable objetivo, sino también entre ellos mismos. A menudo, lo importante no es sólo la lista de predictores que hay que eliminar, sino también el orden en que se eliminan.
Está claro que los predictores suelen ser interdependientes.
Me parece que está llevando al uso de métodos estocásticos como el recocido simulado. Yo también lo uso. También tengo un programa que puede calcular de forma bastante inteligente la relevancia de un conjunto de predictores (1 o más) sobre una variable objetivo, y he puesto métodos de selección codiciosos y estocásticos. En algún lugar codicioso funciona mejor, en algún lugar estocástico.
¡PERO! Si utilizo el bosque de decisión (o GBM) y obtengo la significación de las variables del modelo entrenado, veo que algunas de ellas se utilizan poco o nunca.
¿Está diciendo que reducir la dimensionalidad puede mejorar la calidad del modelo (reducir el ajuste)? ¿Es esto aplicable al bosque de decisiones?
No es de extrañar que usted no sea un botánico en términos de cuantiles, validaciones cruzadas y botes.
Está claro que los predictores suelen ser interdependientes.
Me parece que está llevando al uso de métodos estocásticos como el recocido simulado. Yo también lo uso. También tengo un programa que puede calcular de forma bastante inteligente la relevancia de un conjunto de predictores (1 o más) con respecto a una variable objetivo, y he puesto métodos de selección codiciosos y estocásticos. En algún lugar codicioso funciona mejor, en algún lugar estocástico.
¡PERO! Si utilizo el bosque de decisión (o GBM) y obtengo la significación de las variables del modelo entrenado, veo que algunas de ellas se utilizan poco o nunca.
¿Está diciendo que reducir la dimensionalidad puede mejorar la calidad del modelo (reducir el ajuste)? ¿Se aplica esto a un bosque de soluciones?
SVM, ada, varios árboles.
La reducción de la dimensionalidad no es el objetivo.
Se toman los predictores relevantes para la variable objetivo y se ejecuta un algoritmo de selección de predictores en este conjunto. No se sabe lo que producirá en la próxima ventana: tal vez deje todos los predictores, tal vez parte de....
PS
SOBRE GBM. Por alguna razón no obtuve mejores resultados que ada...
PSSP
Según mis resultados, los algoritmos de selección de predictores más eficientes en Caret (rfe, saf, gaf). Lamentablemente, no para todos los modelos. ¿Tiene alguna experiencia con ellos?
Permítame preguntarle su opinión, ¿el mercado de divisas en particular es realmente un precio de compra y venta (la gente compra y vende) o es un sistema automatizado para llevarse el dinero? Como (casino) he visto en la ruleta la bola caer donde no debe, un imán trabajó 100% seguro si quieres 1000% seguro. Voy a explicar por qué tal pregunta, el precio se las arregla para caminar de tal manera que los sistemas que he utilizado, incluyendo a mí mismo, perdió el dinero, a juzgar por el foro no soy el único tal, es decir, saca todos.
Lea aquí: http://www.foxbusiness.com/features/2014/11/12/six-big-banks-fined-43b-in-fx-rate-rigging-scam.html
Este en particular: "La OCC también descubrió que los operadores discutían acciones que potencialmente perjudicarían a sus clientes, pero que les beneficiarían a ellos mismos y a sus bancos, y acordaron no operar con determinadas divisas."
Permítame preguntarle su opinión, ¿el mercado de divisas en particular es realmente el precio de la oferta y la demanda (personas que compran y venden) o es un sistema automatizado para llevarse el dinero? Como (casino) he visto en la ruleta la bola caer donde no debe, un imán trabajó 100% seguro si quieres 1000% seguro. Voy a explicar por qué tal pregunta, el precio se las arregla para caminar de tal manera que los sistemas que he utilizado, incluyendo a mí mismo, perdió el dinero, a juzgar por el foro no soy el único tal, es decir, saca todos.
Para empezar, no utilice la martingala de ninguna forma. :)
Y los movimientos de los precios (tendencias a medio y largo plazo) no están determinados por seis bancos, incluso muy poderosos, sino por razones fundamentales: balanza comercial, tasa de descuento, índice de precios, etc.
SVM, ada, varios árboles.
La reducción de la dimensionalidad no es un objetivo.
Se toman los predictores relevantes para la variable objetivo y se ejecuta el algoritmo de selección de predictores en este conjunto. No se sabe lo que producirá en la próxima ventana: tal vez deje todos los predictores, tal vez parte de....
PS
SOBRE GBM. Por alguna razón no obtuve mejores resultados que ada...
PSPC
Según mis resultados, los algoritmos de selección de predictores más eficientes en Caret (rfe, saf, gaf). Lamentablemente, no para todos los modelos. ¿Tiene alguna experiencia con ellos?
SVM, ada, varios árboles.
La reducción de la dimensionalidad no es un objetivo.
Se toman los predictores relevantes para la variable objetivo y se ejecuta el algoritmo de selección de predictores en este conjunto. No se sabe qué producirá en la próxima ventana: tal vez deje todos los predictores, tal vez parte de....
PS
SOBRE GBM. Por alguna razón no obtuve mejores resultados que ada...
PSPC
Según mis resultados, los algoritmos de selección de predictores más eficientes en Caret (rfe, saf, gaf). Lamentablemente, no para todos los modelos. ¿Tiene alguna experiencia con ellos?
Utilizo métricas de importancia en el bosque de decisiones, o métricas informativas (basadas en la información mutua). En general, creo que en los modelos de tipo bosque de decisión no es necesario preseleccionar......
Y cuidado con Fomenko y otros... Podrían llevarte a un bosque accidental))
Sí.
Y cuidado con Fomenko y otros... podrían llevarte al bosque equivocado)))