L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2073
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
Pourquoi prendre la prise après l'extremum, car la correction aurait pu être de 50%, ce qui signifie que nous devons prendre ZZ du dernier segment à environ 100%.
,
Oh, alors vous avez presque dessiné le système que j'ai posté plus tôt comme un rapport :) Seulement je prends le TP plus haut et n'attends pas la formation du dernier intervalle de ZZ (bien que ce soit une question de réglages).
Alors ? Tu vas laisser tomber le code ? Ou au moins un échantillon.
Lien d' échantillonnage.
Colonne cible "Target_100", à la fin de la colonne de date, la colonne suivante et les deux dernières ne sont pas utilisées dans la formation.
L'échantillon est divisé en 3 parties, exam.csv n'est pas impliqué dans la formation.
Comme options, une sortie avant un extremum (avec retournement),
une sortie au croisement avec un canal basé sur 3 extrema
Il existe un domaine distinct de la classification des séries temporelles et des bibliothèques connexes comme celle-ci
https://pyts.readthedocs.io/en/latest/auto_examples/transformation/plot_rocket.html
Quelqu'un l'a-t-il utilisé ?
Il existe un domaine distinct de la classification des séries temporelles et des bibliothèques connexes comme celle-ci
https://pyts.readthedocs.io/en/latest/auto_examples/transformation/plot_rocket.html
Quelqu'un l'a-t-il utilisé ?
Vous devriez l'utiliser, c'est un paquet intéressant. Juste un constructeur.
Vous devriez l'utiliser, c'est un paquet intéressant. C'est comme un constructeur.
J'ai donné un lien vers ROCKET pour une raison précise : c'est un convertisseur de fonctions plutôt cool. Crée un grand nombre de caractéristiques non corrélées à partir des caractéristiques originales, améliore la qualité de la classification.
Il est recommandé de l'utiliser avec des modèles linéaires (puisqu'il produit tant de caractéristiques).
il faudra l'essayer
Ce n'est pas pour rien que j'ai fait le lien avec ROCKET - c'est un convertisseur de fonctions plutôt cool. Crée un grand nombre de caractéristiques non corrélées à partir des caractéristiques originales, améliore la qualité de la classification.
recommander l'utilisation avec des modèles linéaires (parce que vous obtenez tellement de fonctionnalités)
il faudra l'essayer
Tenez-moi au courant des résultats - sujet très intéressant !
Crée un grand nombre de caractéristiques non corrélées à partir des caractéristiques originales,
PCA régulier ?)
PCA régulier ?)
pas de