L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1113

 
itslek:

e il mio punto è questo. Per cominciare, impostate il problema nel vuoto. con la vostra metrica.


Se volete farlo funzionare in un tester con il trawl e altre cose:

Fornire i dati in .csv con il targeting (capisco che hai questa classificazione binaria). poi addestrare il modello e prevedere il targeting. il risultato viene caricato come un elenco di risposte del modello nello stesso tester ed eseguito. Ma farlo per ogni modello è un'altra variante di adattamento, è meglio pensare alle metriche o all'obiettivo. E nel tester dovremmo eseguire solo l'ultima variante.

E per il tempo reale è una seccatura separata, e non tutti i modelli possono essere avvolti in una dll

Non so ho tutti i modelli sono avvolti in MT e si sentono bene lì.

E ho scelto questa metrica. A proposito, nell'ottimizzatore gli ho cambiato la metrica di Mathews, ha una stima parabolica a differenza delle metriche di specificità o sensibilità. Ma capisco che se l'algoritmo di ottimizzazione è pronto, allora il problema con le metriche è risolto da....

Лучшая метрика для оценки точности классификационных моделей | DataReview.info
Лучшая метрика для оценки точности классификационных моделей | DataReview.info
  • datareview.info
Оценка качества классификационных моделей — сложная и трудоемкая задача. Сперва аналитик оценивает робастность классификационной модели с помощью таких средств, как AIC-BIC, площадь под ROC-кривой, критерий согласия Колмогорова-Смирнова и др. Следующим логическим шагом является оценка точности модели. Чтобы понять, почему эта задача является...
 
Vizard_:

Tutto, qualsiasi modello è una formula, se stai usando delle scatole nere da cui non puoi tirare fuori un cazzo, è un tuo problema.
Che tester, stronzo e tutto il resto. Non hai idea di chi sia Misha e di quale affascinante viaggio ti aspetta
davanti a te)))

E soprattutto profittevole....

Non sono un sostenitore delle DLL e di tutti i tipi di bundle, però... Mi piace il MKUL puro nella sua forma incontaminata :-)

 
Vizard_:

Tutto qui, qualsiasi modello è una formula, se stai usando delle scatole nere da cui non riesci a tirar fuori un cazzo, è un tuo problema.
Che tester, stronzo e tutto il resto... Non hai idea di chi sia Misha e che viaggio affascinante ti aspetta
davanti a te)))

Ascolta, puoi scambiare i dati del file PSV dopo l'allenamento in modo che il risultato sia in forma di curva di equilibrio????

 
Vizard_:

Tutto, qualsiasi modello è una formula, se stai usando delle scatole nere da cui non riesci a tirar fuori un cazzo, è un tuo problema.
Che tester, stronzo e tutto il resto... Non hai idea di chi sia Misha e di quale affascinante viaggio ti aspetta
davanti a te)))

Tutte le ML lib più o meno produttive al giorno d'oggi sono scatole nere)

 
itslek:

Tutte le ML lib più o meno produttive sono ora scatole nere)

Esatto, è per questo che il metodo di valutazione del risultato viene in primo piano. La stessa metrica di cui stiamo parlando e se la metrica stima adeguatamente il risultato ottenuto allora il metodo di propagazione posteriore farà per la scatola nera, il metodo più vecchio è ferocemente sovrallenato, ma se nel processo di apprendimento per stimare il risultato con metrica super-duper, allora si può ottimizzare fino a quando questa metrica non dirà STOP all'algoritmo di ottimizzazione.

Ho seri progetti per l'ottimizzatore di Reshetlova e ci ho fatto un gran lavoro. Aggiungere ad esso che super duper metrica e per questo ho già un paio di idee ...

 
Di nuovo, torniamo alla questione della verifica dei dati. Posso fornire due file. Uno per l'allenamento e uno per il controllo, ma il risultato del controllo dovrebbe essere scambiato come una curva di barance. Se riesci a farlo fammelo sapere, posterò i file ....
 
Mihail Marchukajtes:

Esatto, per questo viene in primo piano il metodo di valutazione del risultato ottenuto. La stessa metrica di cui stiamo parlando e se la metrica valuta adeguatamente il risultato, allora per la scatola nera il metodo di retropropagazione degli errori farà, il metodo più vecchio è ferocemente sovrallenato, ma se nel processo di apprendimento per valutare il risultato con super duper metrica, allora si può ottimizzare fino a quando questa metrica non dirà STOP all'algoritmo di ottimizzazione.

Ho seri progetti per l'ottimizzatore di Reshetlova e ci ho fatto un gran lavoro. Aggiungilo alla metrica molto super duper e per questo ho già un paio di idee ...

La metrica permette di cogliere il momento in cui il modello inizia a riqualificarsi.

+ scrivere le proprie metriche vi limita immediatamente nell'ambiente di sviluppo e nelle librerie utilizzate (non tutte supportano le metriche non standard).

Meglio pensare all'obiettivo, in modo che si adatti a ciò di cui avete veramente bisogno. E può essere valutato con le metriche standard utilizzate nella ML:

https://habr.com/company/ods/blog/328372/

https://ru.coursera.org/lecture/vvedenie-mashinnoe-obuchenie/mietriki-kachiestva-klassifikatsii-1-IVuAc

Метрики в задачах машинного обучения
Метрики в задачах машинного обучения
  • 2012.05.17
  • habr.com
В задачах машинного обучения для оценки качества моделей и сравнения различных алгоритмов используются метрики, а их выбор и анализ — непременная часть работы датасатаниста. В этой статье мы рассмотрим некоторые критерии качества в задачах классификации, обсудим, что является важным при выборе метрики и что может пойти не так. Метрики в...
 
Vizard_:

Si fa in python, r o pr in un paio di righe (spreads più grandi, slippage...)
non sarà diverso da quello vero, te l'ho detto già cento volte)))) Perché hai bisogno di
Equi non è chiaro, non ci sono buoni modelli e non saranno mai... E digli cosa stai cercando di fare.
(per esempio, non hai una lunga storia di dati)).

Beh, sai... Uso anche la curva per decidere quale modello usare. A cosa serve un modello se ha fatto il 90% dei trade redditizi e stava perdendo terribilmente nei momenti chiave. Il tipo di curva di equilibrio è importante. Naturalmente non sarà sufficiente, ma avrò comunque un'idea.

Di quanti dati hai bisogno per la formazione????

 
itslek:

Nota, qualunque sia la metrica che ti viene in mente qui, le funzioni di ottimizzazione nella maggior parte delle librerie ML rimangono le stesse. La metrica ti permette solo di cogliere il momento in cui il modello inizia a riqualificarsi.

+ scrivere le proprie metriche vi limita immediatamente nell'ambiente di sviluppo e nelle librerie utilizzate (non tutte supportano le metriche non standard).

Meglio pensare all'obiettivo, in modo che si adatti a ciò di cui avete veramente bisogno. E può essere valutato con metriche standard in ML:

https://habr.com/company/ods/blog/328372/

https://ru.coursera.org/lecture/vvedenie-mashinnoe-obuchenie/mietriki-kachiestva-klassifikatsii-1-IVuAc

Thax.... è tutto a posto. nuovo ragazzo.... non mi sembri familiare :-)

Il mio targeting va bene, non preoccupatevi, e l'ottimizzatore è scritto in Java. Non pensi che sia possibile implementare metriche così complesse come vuoi tu???? per favore....

 
Mihail Marchukajtes:

Thax.... è tutto a posto. Nuovo ragazzo.... non mi sembri familiare :-)

L'ottimizzatore è scritto in Java. Non pensi che sia possibile implementare metriche così complesse come vuoi tu???? per favore....

era il 10° anno di sviluppo dell'ottimizzatore...

ma le persone felici non guardano l'orologio
Motivazione: