L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 2391

[iwelimorn]

Maxim Dmitrievsky:
Au fait, python 3.9 est nettement plus rapide que 3.8 en console, j'ai changé pour cette dernière.

Je n'ai pas de tâches aussi féroces que de compter des lakhs de bénéfices avec une fréquence élevée, donc 3.7 pour l'instant ;))

[iwelimorn]

Maxim Dmitrievsky:

c'est le deuxième modèle qui active/désactive l'ouverture d'une transaction

la production utilise donc 2 modèles alors

Je vois. J'ai un discriminateur. Il y a quelque temps, j'ai réussi à mettre en œuvre un script qui collecte les meilleurs modèles de différents signes et les analyse en un seul EA.

Peut-être un méta-modèle devrait-il être appliqué à plusieurs modèles génératifs optimaux à la fois ?

Je vais devoir essayer

[[Supprimé]]

Je vois. J'ai un discriminateur. J'ai implémenté un script il y a quelque temps qui collecte les meilleurs modèles sur différents attributs et les analyse en une seule EA.

Peut-être le méta-modèle devrait-il être appliqué à plusieurs modèles génératifs optimaux à la fois ?

Il s'agit également d'un discriminateur, c'est-à-dire qu'il réapprend simplement un ensemble de 2 modèles ou plus.

mais je n'ai pas encore implémenté la boucle, tous les f-and-s doivent être retravaillés ici.

peut-être même quelques-uns, je ne sais pas encore.

[iwelimorn]

Maxim Dmitrievsky:

il est également un discriminateur, c'est-à-dire qu'il réentraîne simplement un faisceau de 2 modèles

Mais je n'ai pas encore implémenté la boucle, tous les f-i doivent être retravaillés là.

Je peux vous envoyer mes scripts, ils vous aideront peut-être.

[[Supprimé]]

welimorn:

Je peux vous envoyer mes scripts pour vous aider.

Il semble que la façon de faire soit claire

[Evgeni Gavrilovi]

Maxim Dmitrievsky

Je pourrais écrire un article.

Ce serait génial) Je suis toujours heureux de voir des articles de vous.

[[Supprimé]]

Evgeni Gavrilovi:

ce serait génial) toujours heureux de voir des articles de vous.

J'aime toujours trouver quelque chose de nouveau, mais c'est de plus en plus difficile de trouver quelque chose de nouveau à chaque fois.)

Tant qu'il n'y a pas de changement qualitatif par rapport au précédent, je ne vois pas l'intérêt d'écrire.

[Evgeni Gavrilovi]

Maxim Dmitrievsky:

J'aime toujours trouver quelque chose de nouveau, mais c'est de plus en plus difficile de trouver quelque chose de nouveau à chaque fois.)

tant qu'il n'y a pas de changements qualitatifs par rapport à la précédente, je ne vois pas l'intérêt d'écrire.

Pouvez-vous nous donner un exemple d'utilisation de ce réseau neuronal profond à la place du GMM ?

https://www.tensorflow.org/api_docs/python/tf/estimator/DNNClassifier

besoin de remplacer

gmm = mixture.GaussianMixture(n_components=75, covariance_type='full').fit(X)

à ceci : tf.estimator.DNNClassifier

[[Supprimé]]

Evgeni Gavrilovi:

Pouvez-vous nous donner un exemple d'utilisation de ce réseau neuronal profond à la place du GMM ?

https://www.tensorflow.org/api_docs/python/tf/estimator/DNNClassifier

besoin de remplacer

à ceci : tf.estimator.DNNClassifier

pas du tout, ce sont des choses absolument différentes

[Evgeni Gavrilovi]

Maxim Dmitrievsky

MLPClassifier n'est pas non plus adapté à cette tâche ?

Il existe une méthode pour estimer la probabilité de savoir à quelle classe appartient l'échantillon.

https://scikit-learn.org/stable/modules/generated/sklearn.neural_network.MLPClassifier.html