Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2945

 
Eu adoro o R, para mim é o melhor idioma do mundo, mas os anúncios constantes de Sanych em todas as suas postagens me deixam realmente doente.
 
Stanislav Korotky #:

Não, está vazio. Esqueci de mencionar que se trata de busting.

Bem, aqui,


e aqui.


Mas as fórmulas parecem ser diferentes, ou escritas em um formato mais completo....

 
Aleksey Vyazmikin #:

Aqui, então,


e aqui


Mas as fórmulas parecem ser diferentes, ou escritas em um formato mais completo....

A agricultura coletiva é voluntária! Mas por que propagar a agricultura coletiva? Para que mais palestras no YouTube, quando há documentação técnica e código de programa. Observo que o gbm em si é apenas uma parte do pacote, há muitas outras coisas além da função em si.

Aqui está um link para o pacote gbm

Aqui está um link para a teoria

Aqui está um link para o manual

E aqui está a lista de literatura sobre o gbm.

Referências Y. Freund e R.E. Schapire (1997) "A decision-theoretic generalisation of on-line learning and an application to boosting", Journal of Computer and System Sciences, 55(1):119-139.

G. Ridgeway (1999). "The state of boosting", Computing Science and Statistics 31:172-181.

J.H. Friedman, T. Hastie, R. Tibshirani (2000). "Additive Logistic Regression: a Statistical View of Boosting", Annals of Statistics 28(2):337-374.

J.H. Friedman (2001). "Greedy Function Approximation: A Gradient Boosting Machine", Annals of Statistics 29(5):1189-1232.

J.H. Friedman (2002). "Stochastic Gradient Boosting", Computational Statistics and Data Analysis 38(4):367-378.

B. Kriegler (2007). Gradient Boosting estocástico sensível ao custo em uma estrutura de regressão quantitativa. Dissertação de doutorado. Universidade da Califórnia em Los Angeles, Los Angeles, CA, EUA. Orientador(es): Richard A. Berk. urlhttps://dl.acm.org/citation.cfm?id=1354603.

C. Burges (2010). "Do RankNet ao LambdaRank e ao LambdaMART: uma visão geral", Relatório técnico da Microsoft Research MSR-TR-2010-82

gbm: Generalized Boosted Regression Models
gbm: Generalized Boosted Regression Models
  • cran.r-project.org
An implementation of extensions to Freund and Schapire's AdaBoost algorithm and Friedman's gradient boosting machine. Includes regression methods for least squares, absolute loss, t-distribution loss, quantile regression, logistic, multinomial logistic, Poisson, Cox proportional hazards partial likelihood, AdaBoost exponential loss, Huberized hinge loss, and Learning to Rank measures (LambdaMart). Originally developed by Greg Ridgeway.
 
Aleksey Vyazmikin #:

Aqui, então,


e aqui


Mas as fórmulas parecem ser diferentes, ou escritas em um formato mais completo....

Da mesma forma para o xgboost

xgboost: Extreme Gradient Boosting
xgboost: Extreme Gradient Boosting
  • cran.r-project.org
Extreme Gradient Boosting, which is an efficient implementation of the gradient boosting framework from Chen & Guestrin (2016) < doi:10.1145/2939672.2939785 >. This package is its R interface. The package includes efficient linear model solver and tree learning algorithms. The package can automatically do parallel computation on a single machine which could be more than 10 times faster than existing gradient boosting packages. It supports various objective functions, including regression, classification and ranking. The package is made to be extensible, so that users are also allowed to define their own objectives easily.
 
СанСаныч Фоменко #:

A agricultura coletiva é voluntária! Mas por que propagandear o kolkhoz? Que palestras no YouTube, quando há documentação técnica e código de programa. Observo que o gbm em si é apenas uma parte do pacote, há muitas outras coisas além da função em si.


Aqui está um link para a teoria

O que é necessário é uma explicação, não apenas fórmulas, por isso é sugerido que se explique uma pessoa por meio da percepção do professor sobre o material.

E no link eu não vi a teoria com fórmulas.

 
Aleksey Vyazmikin #:

O que é necessário é uma explicação, não apenas fórmulas, e é por isso que se sugere uma explicação humana por meio da percepção do material pelo professor.

E no link eu não vi a teoria com fórmulas.

Não tanto para você, que não quer ver à queima-roupa, mas para outros que adoram teoria.

E o mais importante, você não entende a diferença entre yada yada no youtube e uma ferramenta funcional da teoria ao código testado por muitas pessoas.

Arquivos anexados:
gbm.zip  257 kb
 
Aleksey Nikolayev #:

O modelo é executado no script mql5, mas não é executado em python porque o pacote onnxruntime não está instalado.

O pacote onnxruntime ainda não está instalado no python 3.11. Instalei o python 3.10, no qual tudo está instalado e a saída funciona.

 
СанСаныч Фоменко #:

Não tanto para você, que não quer ver à queima-roupa, mas para outros que adoram a teoria.

E, o mais importante, você não entende a diferença entre yada yada yada yada no YouTube e uma ferramenta funcional da teoria ao código testado por muitas pessoas.

Por que a arrogância? É melhor você me mostrar onde fez o download - eu mesmo procurei novamente e não entendi.

Por que precisamos de professores em institutos?

 
Sobre o aprendizado por reforço
 
mytarmailS #:
Sobre o aprendizado por reforço
h ttps://youtu.be/I-wd3ZUrReg

Em psicologia, isso é chamado de projeção....

E assim, bem, sim, é exatamente como ele diz e ocorre o treinamento de modelos - o que é imaginado é lembrado.

Razão: