L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2214
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
Je ne connais pas python, mais r-ka n'est pas très bon, ou je ne sais pas comment le faire, alors j'ai inventé ceci...
Dans katbust, vous pouvez également écrire votre propre fi de perte et l'utiliser pour juger un test de stagiaire.
Je n'en vois pas l'intérêt, les standards sont suffisants.Dans le même Katbust, vous pouvez écrire votre propre facteur de perte et l'estimer sur le test de train.
Je ne vois pas l'intérêt, les standards sont suffisants.dans katbusta il y a une métrique pour maximiser le profit avec un drawdown minimal ?)
katbusta a une métrique pour maximiser les profits avec un drawdown minimum ? )))
Eh bien, écrivez un eps et mettez-le comme eval_metric.
J'utilise simplement R^2 pour l'optimisation
eh bien, écrivez un eps et mettez-le comme eval_metric
J'utilise simplement R^2 pour l'optimisation
Je vais devoir essayer ça, je ne savais pas...
qu'est-ce qu'un eps
Je vais devoir essayer ça, je ne savais pas...
C'est quoi un eps?
il est logique d'écrire ses propres F.I.S., oui... la question est de savoir lequel est le meilleur.
eprst
Bon sang !
Un type m'a écrit d'ici pour me dire qu'il optimisait une instabilité de Lyapunov.
Vous devriez demander à https://www.mql5.com/ru/users/alexeynikolaev2 si c'est suffisant. Il le sait certainement)).
Il est logique d'écrire ses propres FIS, oui... la question est de savoir lequel est le meilleur.
eeprst
Bon sang !
un camarade m'a écrit dans le trolley qu'il optimise par l'instabilité de Lyapunov
Je ne sais pas pour Lyapunov, mais la fonction fitness est un "monde" entier de nouvelles possibilités, beaucoup plus de solutions optimales...
Par exemple, nous avons un "objectif global" pour maximiser le profit avec un drawdown minimal...
Nous pouvons dire - "AMO", mais si vous pensez à des fonctionnalités qui amélioreront la "cible globale"...
Et il cherchera des solutions, il "pensera lui-même à quelque chose" auquel vous ne penseriez jamais, et même beaucoup...
Je ne sais pas pour Lyapunov, mais la fonction fitness est un "MONDE" entier de nouvelles possibilités, beaucoup plus de solutions optimales...
Par exemple, nous avons un "objectif global" qui consiste à maximiser les profits avec un minimum de drawdown...
Nous pouvons dire - "AMO", mais si vous pensez à des fonctionnalités qui amélioreront la "cible globale"...
et il cherchera des solutions, il proposera des choses que vous ne proposeriez jamais, et même plus...
Je ne comprends toujours pas. Votre objectif est fixé par les balises. Si vous les fixez, les bénéfices et les retraits seront les mêmes.
écrire normalement )Je ne le comprends toujours pas. Votre objectif est fixé par les marques. Quelles que soient les marques que vous définissez, le profit et le drawdown seront les mêmes.
écrire normalement )Je ne l'explique pas bien.
Il y a des objectifs que l'on ne peut pas fixer avec les notes, mais seulement en cherchant le minimum.
Par exemple : je veux créer un marqueur informatif.
est-ce que je peux créer des étiquettes pour ça ? non, ça n'existe pas, et je ne sais même pas à quoi ça devrait ressembler...
Mais je peux le décrire en termes d'utilité, un trait informatif est un trait dont l'entraînement améliorera de manière significative l'"objectif global" - la maximisation du profit avec un drawdown minimal.
Vous voyez, je ne peux pas créer d'étiquettes sur la PI (cible informative), mais je peux la décrire comme une maximisation...
Maintenant, nous pouvons prendre un réseau avec des milliers de poids et jouer avec ses poids jusqu'à ce qu'il trouve l'IP, c'est-à-dire jusqu'à ce qu'il maximise ...
Ou pas un réseau, nous pouvons faire le même MSUA, ou nous pouvons créer des règles...
Jouer signifie exécuter une sorte d'algorithme d'optimisation, ou de recherche ...
Je ne l'explique pas bien((.
Il y a des objectifs que l'on ne peut pas exprimer avec des étiquettes, mais seulement en cherchant le minimum.
Par exemple, je veux créer un article informatif.
Je peux lui créer des étiquettes ? Non, il n'existe pas, et je ne sais même pas à quoi il devrait ressembler...
Mais je peux le décrire en termes d'utilité, un trait informatif est un trait dont l'entraînement améliorera de manière significative l'"objectif global" - la maximisation du profit avec un drawdown minimal.
Vous voyez, je ne peux pas créer d'étiquettes sur la PI (cible informative), mais je peux la décrire comme une maximisation...
Maintenant, nous pouvons prendre un réseau avec des milliers de poids et jouer avec ses poids jusqu'à ce qu'il trouve l'IP, c'est-à-dire jusqu'à ce qu'il maximise ...
Ou pas un réseau, nous pouvons faire le même MSUA, ou nous pouvons créer des règles...
Jouer signifie exécuter une sorte d'algorithme d'optimisation, ou de recherche ...
Donc vous avez un réseau entraîné et vous changez simplement les poids pour voir comment il fonctionne avec les nouvelles données ?
En fait, j'ai un filet vide (je l'entraîne seulement pour l'initialiser, car il n'est pas écrit par moi-même, mais à partir d'un paquet).
Je peux penser à n'importe quelle abstraction, n'importe quelle cible et écrire une fonction de fitness.
Ensuite, la génétique commence à modifier les poids du filet pour qu'à l'entraînement et au test, je (le filet) reçoive quelque chose de similaire à mon objectif.
Et cela est "mille fois" plus profond que de créer des étiquettes et d'adapter la régression ou la classification.