Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1263
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
Regressão rolante, que bate o mesmo ARIMA
Não se pode aprender tudo, e todos os métodos de MoD são iguais. Você pode encontrar algo adequado em quase qualquer um deles, e então você pode tentar os outros. Mas se, digamos, tanto Bayesian como NS não derem resultados, então é apenas uma perda de tempo tentar os outros. Tudo isso pode ser feito mais tarde, se necessário.
Não se pode aprender tudo, e todos os métodos de MoD são iguais. Você pode encontrar algo adequado em quase qualquer um deles, e então você pode tentar os outros. Mas se, digamos, tanto Bayesian como NS não derem resultados, então é apenas uma perda de tempo tentar os outros. Tudo isto pode ser feito mais tarde.
Bem, eles trabalham muito bem juntos, apenas uma questão de realização.) Amostragem de exemplos via MCMC, ensiná-los em NS é o melhor caminho a seguir.
para pegar um ativo ou grupo de ativos para isso, então a regressão pode ser útil através do MCMCO que é interessante são os problemas de variação e Theano.
Continuo a querer usar métodos variáveis para afinar o sistema, mas ainda não encontrei as abordagens.
Procurando o mesmo :)
bem, juntos eles fazem, é apenas uma questão de implementação ) Exemplos naample via MCMC, ensinar sobre esta NS - de um modo geral, não pensei numa maneira melhor
Bem, não é o MoD, por isso também não está junto). Para Carla e as libras não são necessárias).
Então não é o MoD, e portanto não está junto). Não há necessidade da Carla e da lib.)
Bem, ainda estou a flutuar sobre como juntar tudo isto. A pesquisa banal de variantes produz resultados, porque são boas ou não tão boas num caso ou noutro, é difícil de entender.
Terei que visualizá-lo com libras semelhantes - veja.
Ainda estou a nadar na forma de juntar tudo. Os resultados são obtidos através da enumeração trivial de variantes, mas é difícil entender porque são boas ou não tão boas neste ou naquele caso.
Bem, todos nós nadamos. Só que raramente mudo de opção, e mais no sofá, ou lendo (uma tábua é uma coisa boa), ou pensando - o que fazer). Antes de o fazer, seria bom ter tudo na minha cabeça de antemão, e depois como...
As comparações mostram que não há muita diferença... a floresta é um clássico. Em algibe está perfeitamente presente nativamente em mt5. Eu gostaria de poder atualizar para uma versão mais recente, mas tenho problemas com ela.
Você pode, é claro, conectar uma dll, mas então como você faz as pessoas felizes?Se não estou enganado - a única diferença é a velocidade de aprendizagem. Caso contrário, deve reciclar da mesma maneira. Pelo menos a descrição não foi alterada e as limitações de profundidade, erros, etc. não foram acrescentadas.
E a floresta é um dos métodos de aprendizagem mais rápidos, especialmente em comparação com a NS.
E a floresta é um dos métodos de aprendizagem mais rápidos, especialmente em comparação com a NS.
Sim, mas a classificação florestal também é muito peculiar. NS ou Bayes está mais perto da lógica difusa, e sim da generalização dos dados.
Se não estou enganado - a única diferença é a velocidade de aprendizagem. Caso contrário, deve continuar a reeducar-se da mesma maneira. Pelo menos a descrição não foi alterada e não foram acrescentadas limitações de profundidade, erros, etc.
E a floresta é um dos métodos de aprendizagem mais rápidos, especialmente em comparação com a NS.
a velocidade de aprendizagem é boa, o tempo de resposta no uso e o tempo de download da estrutura são ruins, pois os arquivos florestais são grandes. Eu já tive até 300 mb.
Há algo de errado com a serialização. A floresta é treinada e salva mais rapidamente do que é carregada de volta do arquivo.
Se diz que a floresta agora gera ordens de magnitude menor, é uma velocidade muito grande.
NS, por outro lado, leva mais tempo para aprender, mas a resposta é imediata. Não há diferença na qualidade da classificação. Você pode usar qualquer coisa, mas a floresta trabalha fora da caixa e o NS precisa ser ajustado.