Discusión sobre el artículo "Metamodelos en el aprendizaje automático y el trading: Timing original de las órdenes comerciales" - página 14

 
Aleksey Vyazmikin #:

Referencia

oh mai gash, cuantas caracteristicas hay... bueno necesitas una columna dataframe, una columna Klose y etiquetas

todo como en el articulo, mira como se ve el dataframe ahi. Sino tendrás que reescribir el tester y todo lo demás.

No se ni cuanto tiempo se necesita para aprender en algo como esto.

 
Maxim Dmitrievsky #:

Dios mío, son muchos signos. Bueno, necesitamos una columna datetime, una columna Klose y etiquetas.

como en el artículo, mira el dataframe. De lo contrario tendrás que reescribir el probador y todo lo demás.

Ni siquiera sé cuánto tiempo se necesita para aprender en algo como esto.

Así que reescribí el probador, y todo lo demás....

Muy bien.

 
Maxim Dmitrievsky #:

No sé cuánto tiempo se necesita para entrenar en uno de estos.

Mi código se ejecuta un poco más rápido que el código original :) Así que el entrenamiento es aún más rápido. Pero estoy usando GPU.

Por favor, aclare si hay un error en el código.

    X = dataset[dataset['meta_labels']==1]
    X = dataset[dataset.columns[:-2]]

Esta expresión parece correcta

    X = dataset[dataset['meta_labels']==1]
    #X = dataset[dataset.columns[:-2]]
    X = X[X.columns[:-2]]

De lo contrario, la primera línea no tiene sentido, porque en la segunda línea la condición de copia de datos se ejecuta de nuevo, lo que lleva a la copia sin filtrar en el objetivo "1" del meta modelo.

Estoy aprendiendo y puedo estar equivocado con este python, por eso pregunto a .....

 
Aleksey Vyazmikin #:

Mi código funciona un poco más rápido que el código original :) Así que el entrenamiento es aún más rápido. Pero yo uso GPU.

Por favor, aclare si se trata de un error en el código

La expresión correcta parece ser

De lo contrario, la primera línea simplemente no tiene sentido, porque en la segunda línea se ejecuta de nuevo la condición de copia de datos, lo que lleva a copiar sin filtrar por el objetivo "1" del metamodelo.

Estoy aprendiendo y puedo estar equivocado con este python, por eso pregunto a .....

Sí, te has dado cuenta correctamente, tu código es correcto

También tengo una versión más rápida y un poco diferente, quería subirlo como un artículo mb.
 
Maxim Dmitrievsky #:

Sí, te has dado cuenta correctamente, tu código es correcto.

También tengo una versión más rápida y un poco diferente, quería subirlo como un artículo mb.

Escribe, será interesante.

Lo mejor que pude conseguir en el entrenamiento.


Y esto es en una muestra separada


He añadido el proceso de inicialización a través de la formación.

Archivos adjuntos:
 
Aleksey Vyazmikin #:

Escribe, será interesante.

Lo mejor de la formación que pude conseguir


Y esto es en una muestra separada


He añadido el proceso de inicialización a través de la formación.

Bueno, ya sabes Python.
Si muestra esto, significa que es muy difícil encontrar un patrón. En tu caso, puede ser debido a la alta dimensionalidad de los datos. Yo suelo poner entre 5 y 10 signos.
 
Maxim Dmitrievsky #:
Ahí lo tienes, ya conoces python
.
Si muestra esto, significa que es muy difícil encontrar un patrón. En tu caso, puede ser debido a la alta dimensionalidad de los datos. Yo suelo poner entre 5 y 10 características.

No pretendo ser un experto, todo con un "diccionario".

Me interesaba encontrar algún efecto de este enfoque. Hasta ahora no me he dado cuenta de si hay alguno. En general, CatBoost se entrena sobre la muestra, sin ninguna "magia" - el equilibrio está abajo en la imagen. Por lo tanto, esperaba un resultado más expresivo.


 
Aleksey Vyazmikin #:

Yo no pretendería ser versado - todo con un "diccionario".

Me interesaba encontrar algún efecto de este enfoque. Hasta ahora no me he dado cuenta si hay alguno. Así, CatBoost se entrena sobre la muestra, en general, sin ninguna "magia" - el balance está abajo en la imagen. Por eso esperaba un resultado más expresivo.

El efecto aparece después de varias iteraciones, como se muestra en el artículo. En cada iteración de la formación debe ser mejor.