L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 3389

[[Supprimé]]

mytarmailS #:
Quelle différence)))

Le monde entier le fait et tout le monde est content)

Eh bien, faites comme le reste du monde. C'est le genre de réponses que vous obtiendrez.

Vous pouvez prendre 100500 optimiseurs et vous en barbouiller, c'est aussi une option :)

[mytarmailS]

Maxim Dmitrievsky #:
Eh bien, faites comme le reste du monde. C'est le genre de réponses que vous obtiendrez.

Vous pouvez prendre 100500 optimiseurs et vous en barbouiller, c'est aussi une option :)

Mais de quoi parlez-vous ?

S'il existe un algorithme qui résout vos problèmes, pourquoi diable devriez-vous inventer votre propre roue carrée la tête haute ?

[Valeriy Yastremskiy]

Maxim Dmitrievsky #:

J'ai esquissé quelques thèses de base sur le kozul, pour ceux qui ont des difficultés à lire les livres en anglais. Et un exemple en python, comment cela fonctionne le mieux, selon ma version. Voulez-vous l'article ?

Nnnada))))

[[Supprimé]]

mytarmailS #:
De quoi parlez-vous ?

S'il existe un algorithme qui résout vos problèmes, pourquoi diable devriez-vous inventer votre propre roue carrée la tête haute ?

Eh bien, donnez-moi un tel algorithme, qui construira des TS rentables :) Je vous appellerai plus tard des Maldives, je vous remercierai. Je vous enverrai un coquillage.

[mytarmailS]

Maxim Dmitrievsky #:
Eh bien, donnez-moi un algorithme qui construira des CT de profil :)

Vous pouvez parler d'une seule chose ou de tout et de rien.

L - logique.

On parlait de données non structurées, maintenant on parle de CTs... On s'en fout des CTs, parlons de la planche à billets et ainsi de suite..... sans fin à propos de rien.

[[Supprimé]]

mytarmailS #:
On peut parler d'une seule chose ou de tout et de rien.

L - logique.

Nous parlions de données non structurées, maintenant nous parlons de TC ? Fuck TC, parlons de la machine à imprimer de l'argent et puis..... sans fin à propos de rien.

Au départ, nous parlons de la machine, le reste n'est que détails :) la méthode des sacs n'est pas très applicable aux séries temporelles, c'est donc qu'il y a quelque chose qui ne va pas.

[mytarmailS]

Maxim Dmitrievsky #:
Il s'agit d'abord de la machine-outil, le reste étant des pièces :)

Une machine est composée de pièces, pas une machine.

Bag of Wards n'est pas très utile pour les séries temporelles, il y a donc quelque chose qui ne va pas.

Parce que Bow n'est pas destiné aux séries temporelles.

Qui a dit que le marché était une série temporelle ?

Existe-t-il une méthode ou un algorithme de BP qui fonctionne sur le marché ? Je me demande pourquoi.

[[Supprimé]]

mytarmailS #:
Parce que Bow n'est pas destiné aux séries temporelles.

Qui a dit que le marché était une série chronologique ?

Existe-t-il une méthode/algorithme unique pour la BP qui fonctionne pour le marché ? Non, je me demande pourquoi.

Cela dépend du marché et de son fonctionnement.

C'est une conversation sans intérêt.

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:

la même ligne dans l'ensemble de données

si vous n'avez que 1 000 lignes

En gros, si vous avez plus de 18 caractéristiques, vous entraînez le classificateur à se souvenir de chaque ligne parce qu'elles ne se répètent même pas.

et dans l'inférence causale, vous ne pouvez pas faire correspondre des exemples pour calculer des statistiques.

Oui, je suis d'accord avec la mémorisation - j'ai écrit à ce sujet dans ce fil de discussion il y a longtemps. C'est la raison pour laquelle je travaille avec des feuilles, en évaluant leur valeur.

L'idéal serait de trouver quelques caractéristiques pour décrire l'ensemble de l'échantillon, mais personne n'y est encore parvenu. D'un autre côté, la réduction de la dimensionnalité réduira le nombre de caractéristiques directement impliquées dans l'apprentissage, mais je doute que ce gâchis améliore le résultat.

[Aleksey Vyazmikin]

mytarmailS #:
1. Toute valeur de caractéristique

2. Je vais vous surprendre, personne ne se soucie de la manière dont les caractéristiques ont été créées, tout le monde évalue les caractéristiques sur la base de la réponse uniquement.

1) Il s'agit donc d'un échantillon, n'est-ce pas ?

2) Hmm, je pensais que cet algorithme essayait d'évaluer la structure de la règle, comme s'il y avait de petites déviations dans les divisions avec d'autres règles, alors c'est la même chose.

Je ne sais pas pourquoi vous ne pouvez pas expliquer le processus... Même si vous ne le comprenez pas entièrement, il n'y a pas de honte à l'admettre.

Nous avons un concept similaire de travail avec des données en MO, mais au lieu d'échanger des idées, il y a des tensions constantes.

Aujourd'hui, j'ai lu le fil de discussion de NG et je me suis rendu compte que je n'avais rien manqué....