Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1702
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
Se estivéssemos a falar de regressão, seria mais claro - é provavelmente uma boa maneira de ver as coisas.
Eu concordo. NS é mais um componente de IA, como um parafuso ou uma porca em um carro.
Mais um dos seus erros como principiante. NS é muito exigente para a amostra de treinamento e é uma ferramenta bastante sutil, onde um pequeno erro na preparação dos dados (vírgula errada) leva a um resultado diametral. Tente tirar menos conclusões próprias, e é melhor ouvir o que lhe dizem.
Muito bem, a NS é um componente da IA. Além da rede neural, há uma série de algoritmos que servem essa rede neural, e tudo junto é um sistema de IA. Exactamente um sistema. Mas um sistema de IA não pode existir sem uma rede neural.
Neste momento, não identifico a IA e a NS. Você mesmo disse que não há necessidade de confundir os dois. NS é uma ferramenta que pode ser usada em IA mas, por si só, não se aproxima dela. Parecia estar de acordo com isso.
A IA tem mesmo que interagir com humanos???
Então é a essa conclusão que chegamos.
O que há de errado nisso? A Catbust contorna a maioria dos seus concorrentes.
Eu, por exemplo, não gostei da ideia de uma árvore simétrica dentro dela. Obviamente não é a melhor solução dividir 2 nós diferentes por um preditor e pelo mesmo nível. A menos que acelere até 10 vezes.
Ainda bem que eles adicionaram 2 novos métodos mais clássicos.
Provavelmente não é bem assim, mas nas competições, a amostragem é estacionária, não há características particulares de lixo, ou seja, as condições não são aquelas com as quais trabalhamos, e estou apenas pensando na melhor maneira de preparar os dados com essas características em mente. (A solução ainda não está na forma final, mas é uma tarefa importante).
Os diferentes modelos de árvore são bons, mas no momento não podem ser carregados em um arquivo separado e, portanto, não podem ser embutidos no EA, o que é ruim.
Não gosto da ausência de pós-processamento no boosting - quando no final do treino o modelo é simplificado atirando árvores fracas para fora. Não vejo porque é que isto não está feito.
Folhas de árvores individuais em boosting são fracas - baixa completude - menos de 1% e é ruim que este parâmetro não possa ser ajustado, enquanto a distribuição do sinal contábil por amostra não é realizada - como resultado, aprendemos descartando. Muitas nuances e aqui a solução pode ser um bom pré-processamento de preditores. E é claro que é melhor ligar e modificar o código - ninguém entende C++ no nível adequado?
Acho que ele tem de o fazer. Caso contrário, qual é o objectivo?
Quando você pensa (o seu intelecto resolve um problema) você tem que se comunicar com alguém naquele momento?
Ainda não consegues tirar a tua definição de "verme" de inteligência do caminho, por isso agora estamos a comunicar em línguas diferentes.
Vou dizer-vos ainda mais, tive casos destes quando só tive de premir o botão de optimização e depois apercebi-me que este passo 20 operações atrás eu errei e de facto tive um erro nos meus dados e tive de preparar tudo de novo porque percebi claramente que não devia haver erro. Uma vírgula no lugar errado e foi tudo em vão. Isso significa horas de máquina, tempo e, o mais importante, resultados.