Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 584
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Você nem sabia como determinar a importância dos preditores na RF, dando alguns disparates sobre recozimento e assim por diante, sem explicação (o que isso tem a ver com nada?).
Quem disse onde estão os bancos especificamente para aplicações forex? por que Ada e não GBM? suas respostas são muitas abstrações difusas. na realidade o ganho não será mais do que 5% com mais supertreinamento.
No nível em que a discussão está ocorrendo
Deixe-me esclarecer o nível ALGLIB - o nível de uma quinta colectiva, uma aldeia perto de Novgorod. Você tem escrito repetidamente que este nível lhe convém. Pode muito bem ser, que seja suficiente para as suas tarefas, mas porquê ofender-se?
Você não é tão bom a empurrar alguns disparatessobre recozimento esuborno.
Não devias estar tão...
Eu tentei quase todo o R e este recozimento é o mais eficaz.
Porquê Ada e não GBM? demasiadas abstracções vagas nas suas respostas. na realidade o ganho não será superior a 5% com mais sobretreinamento.
Porque já os experimentei e não só eles. Eu ainda tenho os protocolos.
Sim, o melhor é a Ada? Sim, em 5%, no máximo 7% em relação à floresta. E eu não sei nada melhor do que isso.
E o que é "muito treino a mais"? Do que é que estás a falar? Quanto ao sobretreinamento, não me lembro de um único posto em que você mostre que seus modelos não estão sobretreinados!
Só posso reiterar que o sobretreinamento não depende em nada do modelo, ele depende do modelo:
No nível em que a discussão está ocorrendo
Eu esclareço o nível da ALGLIB - o nível da fazenda coletiva, a aldeia perto de Novgorod. Você tem escrito repetidamente que este nível lhe convém. Pode muito bem ser, que seja suficiente para as suas tarefas, mas porquê ofender-se?
Você não é tão bom a empurrar alguns disparatessobre recozimento esuborno.
Não devias estar tão...
Eu tentei quase todo o R e este recozimento é o mais eficaz.
Por que Ada e não GBM? suas respostas são demasiadas abstrações difusas. na realidade o ganho não será superior a 5% com mais sobretreinamento.
Porque já os experimentei e não só eles. Eu ainda tenho os protocolos.
Sim, o melhor é a Ada? Sim, em 5%, no máximo 7% em relação à floresta. E eu não sei nada melhor do que isso.
E o que é "muito treino a mais"? Do que é que estás a falar? Quanto ao sobretreinamento, não me lembro de um único posto em que você mostre que seus modelos não estão sobretreinados!
Só posso repetir que o sobretreinamento não depende em nada do modelo, mas sim do modelo:
Qual é a diferença entre o descaroçamento e o reforço? No descaroçamento há menos encaixe no início e mais um elemento de chance, enquanto no reforço um é encaixado nos restos do segundo, depois no terceiro e assim por diante. E acabas com um excesso total de roupa. Ou seja, a RF já pode ser feita bastante "grosseira" desde o início, mas terei de a verificar duas vezes, ainda não tive tempo.
Todos os meus modelos são requalificados :) pois ainda não encontrei nenhum padrão permanente para eles
A Alglib tem quase tudo - convolução, PCA, clustering, conjunto de redes neuronais, forrest... então, de acordo com os clássicos, tudo está lá, o que mais você precisa - eu não entendo :) coisas mais modernas, é claro que não
E o autor escreve que não trata as redes neurais e etc. com grande reverência, mas as considera como ferramentas usuais de cassificação/regressão e não as destaca entre outros métodos. Eu gosto desta abordagem realista.
Sobre recozimento e assim por diante, também não entendo - existe uma forma universal de avaliar cada modelo?
Qual é a diferença entre bater e gabar-se? No bater há menos ajuste inicial e mais um elemento de chance, mas no gabar-se um é ajustado nos restos do segundo, depois no terceiro e assim por diante. E acabas com um excesso total de roupa. Ou seja, a RF já pode ser feita bastante "grosseira" desde o início, mas terei de a verificar duas vezes, ainda não tive tempo.
Todos os meus modelos são requalificados :) pois ainda não encontrei nenhum padrão permanente para eles
A Alglib tem quase tudo - convolução, PCA, clustering, conjunto de redes neuronais, forrest... então, de acordo com os clássicos, tudo está lá, o que mais você precisa - eu não entendo :) coisas mais modernas, é claro que não
E o autor escreve que não trata as redes neurais e etc. com grande reverência, mas as considera como ferramentas usuais de cassificação/regressão e não as destaca entre outros métodos. Eu gosto desta abordagem realista.
Em relação ao recozimento e assim por diante, também não percebo - é algum método universal para todos os modelos? Cada modelo deve ter o seu próprio método de avaliação, através do qual esta coisa em particular pode ser treinada da melhor maneira
Tentei várias vezes explicar-lhe algumas coisas elementares do meu ponto de vista. Eu falhei.
Só posso aconselhar: passe alguns meses no carpete e terá uma forma de pensar diferente, uma perspectiva qualitativamente diferente.
Quanto ao recozimento e assim por diante, também não está claro - é algum método universal para todos os modelos ou o quê? Cada modelo deve ter a sua própria forma de avaliação, através da qual esta coisa particular pode ser treinada da melhor maneira
O recozimento é um recozimento em África, e os objectivos/objectivos são praticamente os mesmos. Permite que o modelo encontre não minmaxes locais, mas globais.
Não sei quanto à ADA, mas para a NS o recozimento dá muito bons resultados. Eu não gosto do embutido, porque os parâmetros de recozimento precisam ser definidos com antecedência, então eu recolei manualmente, mudando os parâmetros com base nos resultados do aprendizado anterior.
HZZ A propósito, NS mais ou menos complicado sem recozimento geralmente não ensina nada.
Sim, mas é tão superior que não vou arrastá-lo para dentro nesta fase :) + ele escreveu que é impossível ganhar mais de 20% por ano... Acho que você deve sempre começar com tais afirmações e depois ir mais fundo nos detalhes :)
Maxim, pára de fumar. Tirar as palavras de outra pessoa do contexto, atribuí-las a outras pessoas, etc.
+ parte dos comentários eliminados. Além disso, não atribuir a autoria da palavra cascavel a Fa (Fomenko)).
Maximka, pára de fumar. Tirando coisas do contexto, atribuindo as palavras de outras pessoas a outras, etc. + alguns dos comentários foram eliminados.
+ alguns dos comentários foram eliminados. Além disso, não atribuir autoria à palavra cascavel Fa (Fomenko)).
Só estou a dizer :) o que te vai na cabeça está na tua língua
e então algo vai aparecer... o fluxo de trabalho é impessoal.
Eu estava errado sobre o guizo). SanSanych escreveu a mesma coisa uma vez... disparates ou algo do género.
(Do ócio e da completa falta de idéias para o trabalho futuro, decidi aprender algo novo, para mim mesmo, é claro - talvez já seja muito antigo). Começou com RF, e através de RF veio para Python, pois é compatível (como dizem) em ambas as direções com o meu software SciLab. Agora vim rever pacotes para o Python.
No total, há mais de 120.000 pacotes. A partir deles em Machine Learning - cerca de 70, em redes neuronais, incluindo aprendizagem profunda - cerca de 70. Possivelmente há muito mais - pesquisei nas rubricas e alguns pacotes poderiam aparecer em outras seções.
Isso não é contar os pacotes distribuídos diretamente por outras empresas. Há também muitos desses pacotes. Há também sobre assuntos interessantes para nós - eu próprio os vi, incluindo MoD, Assembleia Nacional RF e ADA.
Entre outras empresas há a aprendizagem de máquinas, árvores, NS e algo relacionado com a ADA.
Muitos pacotes são feitos em C/C++, portanto não há necessidade de se preocupar com a performance - Python é apenas uma interface (linguagem de script). E o R também, por acaso.
No geral, estou a divertir-me imenso).
Porquê Ada e não GBM? há demasiadas abstracções vagas nas suas respostas. na realidade, o ganho não seria superior a 5% com mais sobretreinamento.
Na classificação, é muito comum usar "precisão" - a percentagem de respostas correctas - para avaliar um modelo. Na minha opinião, esta é uma das avaliações mais fracas e inadequadas dos modelos de negociação e deve ser evitada. Eu sugeri tentar um monte de outros aqui na linha - kappa, f-score, logloss.
A Ada em R (talvez não só em R) utiliza estimativas de modelos de classificação ligeiramente diferentes incorporados no treinamento, o que é muito melhor em comparação com a "precisão".
(Do ócio e da completa falta de idéias para o trabalho futuro, decidi aprender algo novo, para mim mesmo, é claro - talvez já seja muito antigo). Começou com RF, e através de RF veio para Python, pois é compatível (como dizem) em ambas as direções com o meu software SciLab. Agora vim para as revisões dos pacotes.
Ao todo são mais de 120.000 pacotes. Destes, cerca de 70 em Machine Learning e cerca de 70 em Neural Networks, incluindo deep learning. Provavelmente há muito mais - eu estava procurando por rubricas e alguns pacotes poderiam aparecer em outras seções.
Isso não é contar os pacotes distribuídos diretamente por outras empresas. Há também muitos desses pacotes. Há também sobre assuntos interessantes para nós - eu próprio os vi, incluindo MoD, Assembleia Nacional RF e ADA.
Entre outras empresas há a aprendizagem de máquinas, árvores, NS e algo relacionado com a ADA.
Muitos pacotes são feitos em C/C++, portanto não há necessidade de se preocupar com a performance - Python é apenas uma interface (linguagem de script). E o R também, por acaso.
No geral, estou a divertir-me imenso).
confira mais sobre este material https://cloud.google.com/datalab/
Mal, a direção do AutoML está se desenvolvendo lá - o serviço vai pegar o modelo por si só para certas tarefas.
Na classificação, é muito comum usar "precisão" - a porcentagem de respostas corretas - para avaliar um modelo. Na minha opinião, esta é uma das avaliações mais fracas e inadequadas dos modelos de negociação, e deve ser evitada. Eu sugeri tentar um monte de outros aqui na linha - kappa, f-score, logloss.
A Ada em R (talvez não só em R) utiliza uma avaliação integrada ligeiramente diferente do modelo de classificação na formação, que é muito melhor em comparação com a "precisão".
Para negociar em geral é difícil avaliá-lo dessa forma, porque há duração do negócio e níveis de perda de stop devem ser adicionados a tudo o resto, e o próprio programa recicla-se periodicamente... por isso é uma pena :)