Especialmente se você mesmo não sabe qual é a melhor combinação de preditores, não seria correto alimentar o modelo com todas as opções possíveis e depois ver a importância dos preditores do ponto de vista do modelo
Desculpe, eu quis dizer níveis de apoio e resistência.
Inicialmente não havia tarefa para identificar níveis de apoio e resistência, pelo que não estão incluídos nos dados formalizados do treinamento. Eu tenho um sistema de sinal simples baseado em padrões (padrões).
Temos uma função alvo à qual nos aproximamos do modelo
temos preditores, que sejam 1000 pcs.
Portanto, a questão é se temos muitos preditores, podemos dividi-los em partes iguais, deixar que sejam 100 e treinar 10 modelos.
Em seguida, as saídas destes 10 modelos são alimentadas pelo novo modelo como preditores. Será o equivalente a um modelo treinado inicialmente para 1000 preditores de uma só vez?
Algo me diz que não é, mas eu gostaria de ouvir as minhas opiniões.
O problema é que você não sabe quais os preditores que são melhores para se digitarem uns aos outros. Você terá que fazer muitas variantes diferentes dos conjuntos, como você decidiu corretamente. Eu faço algo semelhante quando excluo os preditores indígenas do modelo de árvore. Se os modelos existentes fossem eficazes, então a fusão dos mesmos poderia melhorar o resultado geral - mais uma vez faço isto com folhas na forma de agrupá-las.
É o tipo com a barba comprida na fila para um almoço grátis? Acho que o vi ontem.
:)) O que você acha da pesquisa do fxsaber, que confirma o papel dominante do tempo no mercado? Está a continuar a sua pesquisa? Para mim é um paradoxo - nos testes tudo é ótimo, mas na prática parece ser o mesmo... Eu ainda estou a trabalhar nisso.
:)) O que você acha da pesquisa da fxsaber, que confirma a primazia do tempo no mercado? Está a continuar a sua pesquisa? Tenho um paradoxo até agora - tudo está bem nos testes, mas na prática parece uma porcaria... Ainda estou a tentar descobrir.
Gostaria de esclarecer que estamos a olhar para um TS com apenas bid/ask/time_msc series como input. Não há mais nada. E este TS está sintonizado através do otimizador.
Também havia lá postos semelhantes, mas - demasiado preguiçosos para olhar...
Temos uma função alvo à qual nos aproximamos do modelo
temos preditores, que sejam 1000 pcs.
Portanto, a questão é se temos muitos preditores, podemos dividi-los em partes iguais, deixar que sejam 100 e treinar 10 modelos.
Em seguida, as saídas destes 10 modelos são alimentadas pelo novo modelo como preditores. Será o equivalente a um modelo treinado inicialmente para 1000 preditores de uma só vez?
algo me diz que não, mas eu gostaria de ouvir opiniões
Se por preditores você se refere a características, eu não acho que será equivalente no caso geral, depende de como você divide as características. Muito provavelmente, devido à falta de dados, um modelo que teoricamente poderia ser treinado por 1000 não será treinado por 100. Não está claro porque devemos fazer isso em primeiro lugar, os fetches são selecionados com base em dar ao modelo um conjunto de dados minimamente suficiente. Uma vez que originalmente se pretendia que fosse mínimo, como podemos dividi-lo mais tarde?
Para login e uso do site MQL5.com, você deve ativar o uso de cookies.
Ative esta opção no seu navegador, caso contrário você não poderá fazer login.
Você entrou na conta. A autenticação de dois fatores foi desativada. Configure-a novamente e escaneie um novo código QR ou continue com a autenticação de dois fatores desativada.
Porquê?
Quanto mais "rico" o modelo, pior é?
Especialmente se você mesmo não sabe qual é a melhor combinação de preditores, não seria correto alimentar o modelo com todas as opções possíveis e depois ver a importância dos preditores do ponto de vista do modelonão funciona assim.
Desculpe, eu quis dizer níveis de apoio e resistência.
Inicialmente não havia tarefa para identificar níveis de apoio e resistência, pelo que não estão incluídos nos dados formalizados do treinamento. Eu tenho um sistema de sinal simples baseado em padrões (padrões).
Eu tenho uma pergunta teórica.
Temos uma função alvo à qual nos aproximamos do modelo
temos preditores, que sejam 1000 pcs.
Portanto, a questão é se temos muitos preditores, podemos dividi-los em partes iguais, deixar que sejam 100 e treinar 10 modelos.
Em seguida, as saídas destes 10 modelos são alimentadas pelo novo modelo como preditores. Será o equivalente a um modelo treinado inicialmente para 1000 preditores de uma só vez?
Algo me diz que não é, mas eu gostaria de ouvir as minhas opiniões.
O problema é que você não sabe quais os preditores que são melhores para se digitarem uns aos outros. Você terá que fazer muitas variantes diferentes dos conjuntos, como você decidiu corretamente. Eu faço algo semelhante quando excluo os preditores indígenas do modelo de árvore. Se os modelos existentes fossem eficazes, então a fusão dos mesmos poderia melhorar o resultado geral - mais uma vez faço isto com folhas na forma de agrupá-las.
Olá, Max!
É bom ter-te de volta... Já viste um mago em algum lado? Que chato...
Olá, Max!
É bom ter-te de volta... Já viste um mago em algum lado? Que chato...
Ei, aquele com barba comprida, na fila para um almoço grátis? Acho que o vi ontem.
É o tipo com a barba comprida na fila para um almoço grátis? Acho que o vi ontem.
:)) O que você acha da pesquisa do fxsaber, que confirma o papel dominante do tempo no mercado? Está a continuar a sua pesquisa? Para mim é um paradoxo - nos testes tudo é ótimo, mas na prática parece ser o mesmo... Eu ainda estou a trabalhar nisso.
:)) O que você acha da pesquisa da fxsaber, que confirma a primazia do tempo no mercado? Está a continuar a sua pesquisa? Tenho um paradoxo até agora - tudo está bem nos testes, mas na prática parece uma porcaria... Ainda estou a tentar descobrir.
Não estou a perceber, tens um link?
ainda não fizeram nadaEu não entendo, há alguma ligação?
Eu ainda não fiz nada.Aqui está o primeiro que encontrei:
Fórum sobre negociação, sistemas de negociação automatizados e teste de estratégias de negociação
Alguns sinais de um TS adequado
fxsaber, 2020.03.05 13:02
Gostaria de esclarecer que estamos a olhar para um TS com apenas bid/ask/time_msc series como input. Não há mais nada. E este TS está sintonizado através do otimizador.Também havia lá postos semelhantes, mas - demasiado preguiçosos para olhar...
Eu ainda não fiz nada.
Max, não me assustes por teres desistido completamente do Forex... Isso seria extremamente triste... Tudo está apenas começando :))
Eu tenho uma pergunta teórica.
Temos uma função alvo à qual nos aproximamos do modelo
temos preditores, que sejam 1000 pcs.
Portanto, a questão é se temos muitos preditores, podemos dividi-los em partes iguais, deixar que sejam 100 e treinar 10 modelos.
Em seguida, as saídas destes 10 modelos são alimentadas pelo novo modelo como preditores. Será o equivalente a um modelo treinado inicialmente para 1000 preditores de uma só vez?
algo me diz que não, mas eu gostaria de ouvir opiniões
Não está claro porque devemos fazer isso em primeiro lugar, os fetches são selecionados com base em dar ao modelo um conjunto de dados minimamente suficiente. Uma vez que originalmente se pretendia que fosse mínimo, como podemos dividi-lo mais tarde?