L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 993
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
C'est le cas ? En y réfléchissant, vous avez lu vos messages ? Eh bien, seules les balles sont plus cool que Maxim.)
Aaahhhhhh... C'est drôle, merci ! Oui, un personnage drôle, comique.
Yuri, une fois de plus - le principe est bon.
Mais, vous voyez, le problème est que même les idées les plus cool ne trouvent pas d'écho auprès des gens s'il n'y a pas de signal (comme un passeport) ou si elles sont négatives comme les miennes. Je le vois sur mon exemple - bien, il n'y a pas de balance positive.....
Mais, voyez-vous, le fait est que même les grandes idées ne trouvent pas d'écho auprès des gens s'il n'y a pas de signal (comme un passeport) ou si elles sont négatives comme les miennes. Je le vois dans mon propre exemple - il n'y a pas de bilan positif, semble-t-il - ramasser la bannière, mener le travail à terme, faire plaisir aux gens. Non - personne n'est intéressé.
Il en va de même pour ce thème.
Eh bien, personne n'a "d'équité dans le ciel" ou toute autre équité, et c'est tout - le thème devient immédiatement passéiste et inintéressant.
La conclusion est que chaque sujet doit avoir un "homme avec un signal". C'est positif ! Alors la vie commence.
Nous attendons cet homme. Nous espérons et nous croyons.
Je dois admettre que je n'ai jamais été intéressé par les signaux de quelqu'un ou même par les rapports en temps réel. Je ne vois pas l'intérêt. Je ne comprends pas cette aspiration universelle.
Nan, je suis comme beaucoup de gens - intéressé.
C'est une mesure de l'intelligence, quelle que soit la façon dont on la regarde. Moi, par exemple, j'ai comme ami un homme avec des signaux décents. Cela m'inspire et me fait travailler encore et encore, car je vois vraiment qu'il est possible de gagner de l'argent sur le Forex. Je fais cela depuis longtemps, et je suis sûr que cela durera encore longtemps.
Nan, je suis comme beaucoup de gens - intéressé.
C'est une mesure de l'intelligence, quelle que soit la façon dont on la regarde. Moi, par exemple, j'ai comme ami un homme avec des signaux décents. Cela m'inspire et me fait travailler encore et encore, car je vois vraiment qu'il est possible de gagner de l'argent sur le Forex. Le fait que je ne sois pas personnellement en mesure de le faire - eh bien, ce n'est pas encore le soir.
Je vois, tu as besoin de stimuli externes. Vous ne pouvez pas vous en passer).
La chose la plus importante que j'ai oublié de dire est que cette personne, eh bien, n'utilise en aucun cas les réseaux neuronaux.
Je suis absolument convaincu que si quelqu'un avait démontré de tels résultats dans ce fil, tout le forum serait rivé ici, car la NS est une chose amusante. Mais hélas - sans ce point important, il n'y a rien à voir ou à lire ici. IMHO.
La chose la plus importante que j'ai oublié de dire est que cette personne, eh bien, n'utilise en aucun cas les réseaux neuronaux.
Je suis absolument convaincu que si quelqu'un avait démontré de tels résultats dans ce fil, tout le forum serait traîné ici, car la NS est une chose amusante. Mais, hélas - sans ce point important, il n'y a rien à voir ou à lire ici. IMHO.
pourquoi non applicable ?
Pourquoi la rhétorique ?
PCA est une transformée linéaire + problèmes de reproductibilité.
"Transformée de Fourier, ondelettes, singulier spectral, etc. - algorithmes de décomposition
Tsne est un excellent algorithme de réduction de la dimensionnalité pour la visualisation. Il a besoin de l'ensemble des données pour fonctionner. Il ne peut pas fonctionner avec de nouvelles données uniques. Il est possible (selon certaines sources) de l'adapter pour l'utiliser non seulement avec des ensembles train/test mais aussi avec de nouvelles données uniques. Cela n'a pas fonctionné pour moi et je n'ai pas trouvé d'articles présentant une mise en œuvre réussie de Tsne pour réduire la dimensionnalité des prédicteurs dans MO.
Rhétorique car apparemment vous n'avez pas essayé cet algorithme. Sinon, vous ne l'auriez pas proposé pour la réduction de la dimension... Mais si vous avez des résultats sur cet algorithme, merci de les partager.
Bonne chance
PCA - transformée linéaire + problèmes de reproductibilité.
"Transformée de Fourier, ondelettes, singulier spectral, etc. - algorithmes de décomposition
Tsne est un excellent algorithme de réduction de la dimensionnalité pour la visualisation . Il a besoin de l'ensemble des données pour fonctionner. Il ne peut pas fonctionner avec de nouvelles données uniques. Il est possible (selon certaines sources) de l'adapter pour l'utiliser non seulement avec des ensembles train/test mais aussi avec de nouvelles données uniques. Cela n'a pas fonctionné pour moi et je n'ai pas trouvé d'articles présentant une mise en œuvre réussie de Tsne pour réduire la dimensionnalité des prédicteurs dans MO.
Rhétorique car apparemment vous n'avez pas essayé cet algorithme. Sinon, vous ne l'auriez pas proposé pour la réduction de la dimension... Mais si vous avez des résultats sur cet algorithme, merci de les partager.
Bonne chance
Ecoutez, la personne a raconté un problème avec trop de données à classer, j'ai suggéré une solution...
L'ACP est également un algorithme de décomposition, si je ne me trompe pas, ainsi que d'autres, il s'agit simplement d'une décomposition et d'une réduction de la dimensionnalité (quelque chose est jeté, et quelque chose est laissé derrière).
Que tous ces algorithmes ne donnent aucun avantage (si ce n'est qu'ils réduisent la dimensionnalité), c'est une autre affaire et ce n'est pas une question d'algorithmes, mais de données elles-mêmes.
Je ne sais pas s'il s'agit de nouvelles données, j'ai vu des exemples de tsne avec train et test sur Internet, mais je suppose que vous l'avez également vu.
Quant à tsne, c'est peut-être un excellent algorithme, mais il fonctionne de la même manière que les autres, alors j'ai essayé de le diviser en classes, mais rien d'intéressant n'en est sorti, alors j'ai abandonné. Quant aux nouvelles données, je ne sais pas, j'ai vu des exemples de tsne fonctionnant avec un train et un test sur Internet, mais vous avez probablement vu cela aussi.
" PCA, transformée de Fourier, ondelettes, etc... du nouveau t-sne. Avec leur aide, vous pouvez faire 5x des entrées de 100 ns et n'avoir presque aucune perte de qualité.