Discussion de l'article "Les forêts aléatoires prédisent les tendances" - page 3
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
En ce moment, c'est rentable ?
L'exemple de l'article est démonstratif, extrêmement redondant.
Si l'on parle des forêts aléatoires en particulier et de l'application des modèles d'apprentissage automatique en général (les réseaux neuronaux appartiennent à cette classe d'algorithmes), ils sont largement utilisés en trading.
PS. Il y a beaucoup de partisans des NS sur le forum. Ce ne sont donc pas les algorithmes les plus efficaces pour le trading. Les forêts aléatoires sont beaucoup plus efficaces.
L'exemple présenté dans l'article est un exemple de démonstration, extrêmement redondant.
Si nous parlons des forêts aléatoires en particulier et de l'application des modèles d'apprentissage automatique en général (les réseaux neuronaux appartiennent à cette classe d'algorithmes), ils sont largement utilisés dans le commerce.
PS. Il y a beaucoup de partisans des NS sur le forum. Ce ne sont donc pas les algorithmes les plus efficaces pour le trading. Les forêts aléatoires sont beaucoup plus efficaces.
Où es-tu passé ?
Vous n'avez pas donné de nouvelles depuis un certain temps ?
Où es-tu passé ?
Cela fait longtemps que je n'ai pas entendu parler de toi.
Avez-vous des liens vers des documents plus détaillés ?
Avez-vous des liens vers des documents plus détaillés ?
Il existe de nombreux ouvrages sur ce sujet, principalement en anglais.
J'ai écrit un livre intitulé "Predicting Trends" (Prévoir les tendances), dans lequel les problèmes de classification sont abordés de manière beaucoup plus détaillée que dans l'article. Le livre contient des traductions littérales de la documentation technique (environ 30 %), des exemples d'utilisation de modèles de classification sur le marché du Forex (environ 20 % du texte) et des explications sur l'idéologie de la construction de modèles de classification. Il décrit également la séquence d'étapes pour construire un Expert Advisor basé sur des modèles de classification.
Plus de détails dans l'annexe.
PS. Le livre contient une liste assez complète de littérature sur le sujet.
vlad19492014.11.23 15 :
Cher Vlad !
Tous les arguments sur l'efficacité des algorithmes d'apprentissage automatique ont un sens à une condition : le modèle n'est pas réentraîné. Dans ma pratique, il est très difficile d'obtenir un modèle non entraîné. en particulier dans cet article, il s'agit d'un modèle surentraîné.
Le surentraînement du modèle est dû à un ensemble erroné de prédicteurs, dans lesquels le chien entier est noyé. Par conséquent, tous les efforts devraient être orientés vers la sélection des prédicteurs et ensuite vers le modèle.
Il me semble que j'ai réussi à trouver des signes formels de l'adéquation des prédicteurs à une variable cible particulière. Si cela vous intéresse, je serai heureux d'en discuter en privé.
vlad19492014.11.23 15 :
Cher Vlad !
Tous les arguments sur l'efficacité des algorithmes d'apprentissage automatique ont un sens à une condition : le modèle n'est pas réentraîné. Dans ma pratique, il est très difficile d'obtenir un modèle non entraîné. en particulier dans cet article, il s'agit d'un modèle surentraîné.
Le surentraînement du modèle est dû à un ensemble erroné de prédicteurs, dans lesquels le chien entier est noyé. Par conséquent, tous les efforts devraient être orientés vers la sélection des prédicteurs et ensuite vers le modèle.
Il me semble que j'ai réussi à trouver des signes formels de l'adéquation des prédicteurs à une variable cible particulière. Si cela vous intéresse, je serais heureux d'en discuter en privé.
тттттттттттттттттттттттттттттттттттттттттттттттттттттттттттттттттттттттттттттттттттт
Bien sûr que je suis intéressé. Écrire
vlad19492014.11.23 15:
http://a ppliedpredictivemodeling.com/blog/2014/11/11/some-thoughts-on-do-we-need-hundreds-of-classifiers-to-solve-real-world-classification-problems
J'ai posté ce lien avec des annotations sur mon blog. Il n'a intéressé personne. Voici l'article lui-même
Le surentraînement du modèle se produit en raison d'un mauvais ensemble de prédicteurs, le chien entier étant noyé dans ces prédicteurs. Par conséquent, tous les efforts doivent être consacrés à la sélection des prédicteurs, puis au modèle.
Le modèle et la sélection des prédicteurs sont interdépendants. Il faut d'abord choisir un modèle, puis sélectionner les variables prédictives sur la base de ce modèle en filtrant, à l'aide du même modèle, les variables prédictives qui ont le moins d'"utilité" pour la prédiction. Bien que de nombreux articles et manuels enseignent le contraire, nous sélectionnons d'abord les variables prédictives à l'aide d'une méthode de calcul de la relation entre ces variables prédictives et la série cible - la sortie. Les méthodes de sélection les plus courantes sont le coefficient de corrélation entre les prédicteurs et la sortie et l'information mutuelle. Ensuite, un modèle est sélectionné, généralement sans rapport avec la manière dont les prédicteurs ont été sélectionnés. Si vous y réfléchissez (et les manuels d'économétrie ne vous le diront pas, vous devez y réfléchir par vous-même), la méthode de sélection des variables prédictives par le coefficient de corrélation avec la sortie sélectionne essentiellement les variables prédictives qui auront l'erreur la plus faible dans un modèle de régression linéaire (LRC). La méthode de sélection des prédicteurs par leur information mutuelle avec la sortie sélectionne essentiellement les prédicteurs qui donneront l'erreur la plus faible dans le modèle basé sur la régression de Nadaraya-Watson (nom abscons GRNN).