ForumSezioni

L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2621

Nuovo commento
mytarmailS #:
Per PythonPonyGE2 c'è un pacchetto, ma lo faccio su Pke, quindi non posso dire cosa sia e come
Ho sbagliato i nomi.
L'evoluzione grammaticale o la regressione simbolica funzionano entrambe
Valeriy Yastremskiy #:
Una sequenza di eventi/regole è efficace, ma ogni regola ha una dimensione e una lunga sequenza ha delle maledizioni.
La cosa bella di questo approccio è che hai il controllo...
Imposta una condizione che una regola deve essere ripetuta almeno 200 volte per esempio e non hai la maledizione della dimensionalità.
[Eliminato]
mytarmailS #:
Cosa ho fatto con i nomi stupidamente?
L'evoluzione grammaticale o la regressione simbolica funzionano entrambe.
Regressione simbolica, sì.
La regressione simbolica nel trade-off tra bias e varianza sembra fortemente orientata verso l'aumento della varianza. Questo non è certamente un motivo per abbandonarlo, ma potrebbero esserci problemi a causa della vicinanza del prezzo al SB.
Aleksey Nikolayev #:
La regressione simbolica in un trade-off tra bias e varianza sembra fortemente orientata verso l'aumento della varianza. Questo non è certamente un motivo per abbandonarlo, ma potrebbero esserci problemi a causa della vicinanza del prezzo al SB.

È solo un quadro su cui si possono creare delle regole, non c'è niente nella mia proposta sul prezzo, l'approssimazione, la regressione...

mytarmailS #:

Non importa quanti modelli ci siano, se guardano le ultime 10 candele, è inutile, anche se è GPT-3 con tutte le viscere.

Hai un generatore, non hai corrente...

I miei 5 centesimi. - Durante l'allenamento, il peso dei neuroni non ripetitivi (barre) è sfumato. Il peso influente rimane con i neuroni più frequentemente confermati. Così con un numero fisso di barre solo quelle significative hanno dei pesi. Una specie di figura.

Dmytryi Voitukhov #:

I miei 5 centesimi. - Durante l'apprendimento, il peso dei neuroni non ripetitivi (barre) è sfumato. Il peso influente rimane con i neuroni più frequentemente confermati. Così con un numero fisso di barre solo quelle significative hanno dei pesi. Una specie di figura.

3 del mattino, cosa stai facendo Dimitri?)
Dmytryi Voitukhov #:

I miei 5 centesimi. - Durante l'apprendimento, il peso dei neuroni non ripetitivi (barre) è sfumato. Il peso influente rimane con i neuroni più frequentemente confermati. Così con un numero fisso di barre solo quelle significative hanno dei pesi. Una specie di figura.

Allo stesso modo in un albero. 5-10 spaccate di punta su ad esempio 100 finte/barre ne sceglieranno alcune significative, e non useranno il resto. Se si divide l'albero fino in fondo, le ultime suddivisioni (e le caratteristiche/barre usate) cambieranno il risultato complessivo molto leggermente. Cioè il risultato è più o meno lo stesso che in NS, solo che conta più velocemente.
E se una persona scambiasse e desse a ML ciò che è buono e ciò che è cattivo?
BillionerClub #:
Cosa succede se uno scambia e dà a ML ciò che è buono e ciò che è cattivo?

È una buona idea, solo che credo sia importante in questo caso:

- Per costruire un sacco di statistiche.

- Per una persona che commercia una cosa (un sistema).

- Che la persona rimanga obiettiva e faccia trading in modo sistematico.


In questo caso, penso, si otterrà un buon markup, e quindi è possibile ottenere un beneficio normale.

1...261426152616261726182619262026212622262326242625262626272628...3399
Nuovo commento