L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2819

 
Maxim Dmitrievsky #:
Qualsiasi clustering o classificatore ha una matrice di probabilità, transizioni o distanze. I cosiddetti valori grezzi. E ci sono le etichette delle classi e dei cluster. Sta confrontando cose diverse.

Sì, ma non è completamente accurato. È il modo in cui preferisco descrivere lo stato attuale e prevedere il futuro. Questi compiti sono essenzialmente gli stessi. Un cambiamento di stato è una previsione, anche se una descrizione dello stato attuale))))

 
Valeriy Yastremskiy #:

Sì, ma non è completamente preciso. È il modo in cui preferisco descrivere lo stato attuale e prevedere il futuro. Questi compiti sono essenzialmente gli stessi. Un cambiamento di stato è una previsione, anche se una descrizione dello stato attuale))))

Questo è assolutamente inequivocabile. Finché ci sarà da confrontare un'opa con un dito, non parteciperò più al dialogo. Inoltre, non l'ho iniziato io.
 
Maxim Dmitrievsky #:
È inequivocabile. Finché ci sarà un confronto tra un'opa e un dito, non parteciperò più al dialogo. D'altronde non l'ho iniziato io.

Essenzialmente la probabilità futura e il clustering di stati sono la stessa cosa, qual è la differenza?

 
Valeriy Yastremskiy #:

Essenzialmente la probabilità futura e il clustering degli stati sono gli stessi, qual è la differenza?

È difficile, vero? Probabilità grezze senza soglia vs cluster già con soglia

Dalle immagini si vede che sta confrontando il discreto con il continuo. E sta ricavando la soglia dal nulla. E usa quel cappello come prova.

Perché non ha disegnato quella linea sul grafico? È la stessa

Ci sono valori identici per entrambi i metodi, se la soglia è calcolata correttamente per il secondo metodo.

 
Maxim Dmitrievsky #:
Sta diventando difficile, vero? Probabilità grezze senza soglia vs cluster già con soglia

Dalle immagini si vede che sta confrontando il discreto con il continuo. E sta ricavando la soglia dal nulla. E usa quel cappello come prova.

Perché non ha disegnato quella linea sul grafico? È la stessa

In realtà, c'è una somiglianza, una linea è una media di modelli, sì, più è meno, e come caratterizzare il movimento? Solo in base alla distanza percorsa, e la distanza è solo quella più piccola, cioè una griglia. Sì, le entità discrete sono più complicate di quelle continue, ma quello che abbiamo è quello con cui lavoriamo)).

 
Maxim Dmitrievsky #:

Preferisco vedere un giocattolo in streaming. Cos'altro c'è da fare di sabato?

https://www.twitch.tv/gamearbuser

Ho un figlio che lavora part-time come commentatore alle gare di comp)))). Beh, e anche nella vita reale sul kart e sui pattini))))))

 
Valeriy Yastremskiy #:

Ho un figlio che lavora part-time come commentatore alle gare di competizione)))). Beh, e nella vita reale anche sul kart e sui pattini)))))

Lasciategli trasmettere come pattina) raccoglierà le donazioni in seguito.

 
mytarmailS #:

data stabilita

le prime 10 informazioni sui prezzi delle azioni, se si desidera creare nuove funzioni, altrimenti devono essere rimosse dalla formazione.

ultima riga - obiettivo

dividere la selezione a metà per l'addestramento e il test


su Forrest senza alcuna messa a punto ottengo sui nuovi dati

su hgbusta con le nuove caratteristiche, ottengo Akurashi 0,83.


Mi chiedo se sia possibile ottenere 0,9 Akurasi?

mytarmailS #:
Nessuno l'ha mai toccato? (


Io l'ho toccato solo per divertimento).
Usato Random forest.


Variabili non utilizzate:
X_OI
X_PER
X_TICKER

Come richiesto, treyne e test a metà.
r1


Ho limitato il numero massimo di alberi cresciuti a 500.

MSE su traina per 500 alberi cresciuti
t1


MSE su test per 500 alberi cresciuti
t2


La metrica risultante su traine(OOB) e su test.
Qui non so come portare l'accuratezza 0 ,77 della foresta casuale a questa metrica.
Probabilmente si dovrebbe sottrarre l'MSE da
uno,
1- 0,16 = 0,84
Poi si ottiene l'accuratezza che si ha su XGBoost )).

r2


E le variabili che contribuiscono all'addestramento.
r3


Questo è il tipo di analisi che ho ottenuto )

 
Roman #:

L'ho toccato solo per divertimento)
Usato Foresta casuale.


Variabili non utilizzate:
X_OI
X_PER
X_TICKER

Come richiesto, traccia e test a metà.

Probabilmente anche i prezzi assoluti OHLC dovrebbero essere buttati via) come ho scritto)

Romano #:

MSE su trayne per 500 alberi cresciuti

MSE su test per 500 alberi cresciuti

La metrica risultante su trayne (OOB) e su test.
Qui non so come portare la precisione 0 ,77 della foresta casuale a questa metrica.
Probabilmente l'MSE dovrebbe essere sottratto da
uno,

Stai facendo una regressione, stai facendo una classificazione! Hai sbagliato tutto.

 
mytarmailS #:

Mentre scrivo, i prezzi assoluti di OHLC dovrebbero essere buttati via)

Stai facendo una regressione, dovresti fare una classificazione! Hai sbagliato tutto

Ecco la classificazione, senza OHLC.

L'accuratezza è 0,79.
k1

Test ROC.
k2

Matrice di confusione.
k4

Variabili d'influenza
k3

Motivazione: