L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1263
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
La regressione rolling, che batte lo stesso ARIMA
Non si può imparare tutto, e tutti i metodi MoD sono più o meno uguali. Si può trovare qualcosa di adatto in quasi tutti, e poi si possono provare gli altri. Ma se, diciamo, sia la Bayesiana che la NS non danno risultati, allora è solo una perdita di tempo provare le altre. Si può fare tutto più tardi, se necessario.
Non si può imparare tutto, e tutti i metodi MoD sono più o meno uguali. Si può trovare qualcosa di adatto in quasi tutti, e poi si possono provare gli altri. Ma se, diciamo, sia la Bayesiana che la NS non danno risultati, allora è solo una perdita di tempo provare le altre. Tutto questo può essere fatto più tardi.
Beh, funzionano molto bene insieme, è solo una questione di realizzazione). Campionamento di esempi tramite MCMC, insegnamento in NS è il modo migliore per andare.
per scegliere un bene o un gruppo di beni per questo, allora la regressione può essere utile attraverso MCMCCiò che è interessante è il problema delle variazioni e Theano.
Continuo a pensare di usare metodi variazionali per sintonizzare il sistema, ma non ho ancora trovato gli approcci.
Cercando lo stesso :)
Beh, insieme lo fanno, è solo una questione di implementazione ) Esempi di Nasample tramite MCMC, insegnare su questo NS - in generale, non ho pensato a un modo migliore
Beh, non è il Ministero della Difesa, quindi non è nemmeno insieme). Per Carla e i libs non sono necessari).
Quindi non è il Ministero della Difesa, e quindi non è insieme). Non c'è bisogno di Carla e lib).
Beh, sto ancora fluttuando su come mettere tutto insieme. La ricerca banale di varianti produce dei risultati, perché siano buoni o meno buoni in un caso o nell'altro, è difficile da capire.
Dovrò visualizzarlo con libs simili - vedere.
Sto ancora nuotando nel modo di mettere tutto insieme. I risultati sono ottenuti attraverso una banale enumerazione di varianti, ma è difficile capire perché sono buoni o meno buoni in questo o quel caso.
Beh, tutti noi nuotiamo. Solo che cambio raramente le opzioni, e più sul divano, o leggendo (un tablet è una buona cosa), o pensando - cosa fare). Prima di fare, sarebbe bello avere tutto in testa prima, e poi come...
I confronti mostrano che non c'è molta differenza... la foresta è un classico. In alglib è perfettamente presente nativamente in mt5. Vorrei poter aggiornare a una versione più recente, ma ho dei problemi.
Si può, naturalmente, collegare una tanica, ma poi come si fa a rendere felici le persone?Se non mi sbaglio - l'unica differenza è la velocità di apprendimento. Altrimenti dovrebbe riqualificarsi allo stesso modo. Almeno la descrizione non è cambiata e le limitazioni di profondità, errori, ecc. non sono state aggiunte.
E la foresta è uno dei metodi di apprendimento più veloci, soprattutto rispetto a NS.
E la foresta è uno dei metodi di apprendimento più veloci, soprattutto rispetto a NS.
Sì, ma la classificazione delle foreste è anche molto particolare. NS o Bayes è più vicino alla logica fuzzy, e sì alla generalizzazione dei dati.
Se non mi sbaglio - l'unica differenza è la velocità di apprendimento. Altrimenti dovrebbe ancora riqualificarsi allo stesso modo. Almeno la descrizione non è cambiata e non sono state aggiunte limitazioni di profondità, errori, ecc.
E la foresta è uno dei metodi di apprendimento più veloci, soprattutto rispetto a NS.
la velocità di apprendimento è buona, il tempo di risposta durante l'utilizzo e il tempo di download della struttura sono poveri, poiché i file della foresta sono grandi. Ho avuto fino a 300 mb.
C'è qualcosa di sbagliato nella serializzazione. La foresta viene addestrata e salvata più velocemente di quanto venga ricaricata dal file.
Se dice che la foresta ora genera ordini di grandezza di file più piccoli, si tratta di un'accelerazione molto grande
NS, al contrario, richiede più tempo per imparare, ma la risposta è istantanea. Non c'è differenza nella qualità della classificazione. Si può usare qualsiasi cosa, ma i legni funzionano fuori dalla scatola e il NS deve essere regolato.