L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2313
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
In teoria, sì.
Ma comunque, qual è lo scopo dell'azione?
Non si può discutere su questo, non ha senso...
Dobbiamo ottenere 10 su 100. C'è una soluzione?
Non so come funziona in alglib, prova a tirare le informazioni dalla funzione psa e vedi quanti componenti hai bisogno per ottenere abbastanza per descrivere 100 premi.
O semplicemente prendere le prime n colonne del psa e fare il rullo compressore...
Ma tutto questo è inutile... se avete 50k caratteristiche, avete bisogno di Rsa, ma se volete giocare senza capire cosa state facendo, non avete bisogno di Rsa, il risultato sarà peggiore che senza Rsa con il 99,999...% di probabilità...
In teoria, sì.
Ma comunque, qual è lo scopo dell'azione? Se non c'è un guadagno di velocità, ma piuttosto un rallentamento, per un'operazione in più.
È necessario ottenere 10 su 100. C'è una soluzione?
Prendete le prime 10 componenti della matrice di cov.
prendere le prime 10 componenti della matrice
La matrice non funziona - è 100x100.
Non abbiamo bisogno di 10x10 o 10x100, dobbiamo ottenere 10x1000 con alcuni calcoli. Cioè per ciascuna delle 1000 righe della matrice ho bisogno di 10 GC.
La matrice non funziona - è 100x100.
Non abbiamo bisogno di 10x10 o 10x100, ma di 10x1000 secondo alcuni calcoli. Cioè, per ciascuna delle 1000 righe applicare 10 GC
per quanto mi ricordo, ogni punto componente è una somma di prodotti di valori di attributi per i loro covalori.
fate i conti e confrontateli con Sklearn.
La matrice può risultare invertita, quindi dalla fine. Questo deve essere controllato anche lì.
ogni punto componente è la somma dei prodotti dei valori delle caratteristiche per i loro valori di cov.
Fai i conti e confrontali con sklearn.
La matrice può essere invertita, quindi dalla fine. Dovresti controllare anche lì
In generale, hai bisogno di cicli come quelli sopra.
s (bestfeatures)è solo il numero di componenti che sono selezionati per l'addestramento.
il valore di ogni componente viene moltiplicato per il valore di ogni attributo e poi vengono sommati. E così per ogni riga di ingresso.
Devo ricordare che non ho tempo. Devo leggere la documentazione.
ci s (bestfeatures) è solo il numero di componenti che sono selezionati per la formazione, una sorta di
il valore di ogni componente viene moltiplicato per il valore dell'attributo e vengono sommati. E così per ogni riga della serie iniziale.
Devo ricordare che non ho tempo. Ho bisogno di leggere la documentazione.
Ora è tutto a posto.
Deciso di vedere cosa c'è dentro la rete, su ogni strato... Ridotto la dimensionalità via umap a due componenti in ogni strato
Una rete con tre strati interni, quasi non addestrata, solo 400 esempi... ma ancora divertente da guardare...
Deciso di vedere cosa c'è dentro la rete, su ogni strato... Ridotto la dimensionalità via umap a due componenti in ogni strato
Una rete con tre strati interni, quasi non addestrata, solo 400 esempi... ma ancora divertente da guardare...
Come ci sei riuscito?
Qual è la dimensione di uscita?
Ludwig ha modelli di apprendimento profondo senza la necessità di scrivere codice, nessuna abilità di programmazione richiesta per insegnare il modello:https://ludwig-ai.github.io/ludwig-docs/
Installato di recente. Non ho ancora avuto modo di controllarlo. Promettono miracoli.