L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2426
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
Ora la risposta alla prima domanda.
Grazie!
Cercherò di capirlo, ma è difficile capirlo subito - la sintassi del codice è abbastanza diversa dal C++, però.
Non pensi che stai sintonizzando il tuo modello sulla versione di maggior successo in prova?
A che punto pensi che io possa sintonizzarmi per testare? Il campionamento "test" è usato per fermare l'addestramento, in Progetti, tranne uno, non esiste affatto, poi l'ho usato nell'addestramento finale - bene si può sostituire con un numero fisso di alberi - 50/100/300/500/800 e vedere il risultato su tutti i campioni, allora credi che otterrai risultati significativamente peggiori?
Grazie!
Cercherò di capirlo, ma è difficile capirlo subito, perché la sintassi del codice è molto diversa dal C++.
A che punto sono in sintonia con il test, secondo voi? Il campione "test" è usato per fermare l'addestramento, in Projects, tranne uno, non c'è affatto, poi l'ho usato nell'addestramento finale - bene, puoi sostituirlo con un numero fisso di alberi - 50/100/300/500/800 e vedere il risultato su tutti i campioni, poi pensi che il risultato sarà molto peggio?
Nella crosvalidazione tutti i dati sono un test e tutti sono anche treni. È solo uno alla volta. Volevi solo aumentare la trama del vassoio del 40%.
Un sacco di funzioni non familiari, perché il linguaggio è di alto livello.
Non credo che tutte le mie perversioni possano essere facilmente implementate in R :)
Sì - smettere di allenarsi è anche un test fit. Non conosco altri dettagli del tuo sistema, non posso dire altro
Sono d'accordo che questo in teoria aumenta il risultato sul campione d'esame, ma io sto valutando il risultato sul campione d'esame!
Bene, penso di aver coperto tutti i dettagli, se avete domande chiedete pure.
Nella crosvalidazione, tutti i dati sono un test e tutti sono anche una traina. È solo uno alla volta. Volevi solo aumentare la trama del vassoio del 40%.
Bene, qual è lo scopo di usare la crosvalidazione? Vedo il suo punto fino a questo punto come la ricerca di iper-parametri del modello, in quanto mostrerà in media quali impostazioni sono migliori di tutte sulle trame casuali.
Non credo che si possano facilmente implementare tutte le mie perversioni in R :)
Ahahaha))))
Se io posso realizzare le mie perversioni, le vostre sono come un riposo)
OK, qual è lo scopo di usare la crosvalidazione? Vedo il suo scopo finora come trovare gli iperparametri del modello, in quanto mostrerà in media quali impostazioni sono migliori di tutte sulle trame casuali.
È esattamente a questo che serve. C'è qualcos'altro di cui hai bisogno? E un insieme specifico di caratteristiche. Con attributi diversi, è probabile che gli iperparametri siano diversi. Se scegliete quelli con i migliori iperparametri, dovete lavorare con loro.
Bene, penso di aver descritto tutti i dettagli, se avete domande.
Sono troppo pigro per entrare nei dettagli.
Ahahaha))))
Se io posso attuare le mie perversioni, le vostre sono come un riposo)
Bene, eccomi qui, dal momento che facendo uno script per preparare i dati, ho ancora bisogno di fare un file che elenchi le colonne escluse, che includono:
1. Colonne con predittori correlati (a proposito, come si sceglie quale colonna scartare, diciamo 5 predittori correlati?)
2. Colonne scartate dal primo file-table, tranne la colonna con l'obiettivo.
Inoltre, la colonna con l'etichetta di destinazione dovrebbe essere scritta nel file, preferibilmente ricercata per il nome della colonna.
La struttura del file è
È esattamente a questo che serve. C'è qualcos'altro di cui hai bisogno? E un insieme specifico di caratteristiche. Con attributi diversi, è probabile che gli iperparametri siano diversi. Quelli selezionati con i migliori iperparametri sono quelli da mettere al lavoro.
Sono troppo pigro per approfondire.
Ho bisogno di selezionare i predittori giusti in meno tempo. Passare di nuovo attraverso i predittori significa aumentare il tempo di elaborazione di cento volte. Il mio metodo si basa sulla logica che un buon predittore (compreso uno adatto a un particolare metodo di apprendimento) sarà richiesto dal modello a tutti gli intervalli di campionamento, il che esclude l'adattamento all'area di campionamento.