Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3027

 
Por que você tem que colocar as regras no impulso????
 
Maxim Dmitrievsky #:
Acho que basta gerar um bot de verificação de uma só vez e verificar as regras necessárias por meio de um testador/otimizador

É melhor fazer a seleção de folhas em python, e o modelo final - bem, você pode fazer isso no terminal. Mas você terá que transferir as regras para o terminal, o que também não é tão fácil. É por isso que é melhor fazer tudo em python - mesmo que seja menos preciso em alguns aspectos, mas o processo pode ser visto do início ao fim. Este é apenas um experimento por enquanto....

 
mytarmailS #:
Por que você colocaria regras em um booster???

Eu escrevi isso, uma maneira de agregá-las. Distribuir pesos essenciais e remover inconsistências. Identificar as melhores instâncias.

Você poderia usar uma árvore simples. Ou você mesmo poderia agregar e atribuir pesos. Tentei todos esses métodos.

Você tem alguma outra ideia?

 
Aleksey Vyazmikin #:

É melhor selecionar as folhas no Python, e o modelo final - bem, você pode fazer isso no terminal. Mas você terá que transferir as regras para o terminal, o que também não é tão fácil. É por isso que é melhor fazer tudo em python - mesmo que seja menos preciso em alguns aspectos, mas o processo pode ser visto do início ao fim. Este é apenas um experimento por enquanto....

Bem, não custa nada mover as regras.

seleção em python por métricas, talvez eu crie um testador para elas.

Você pode fazer muitas coisas. Por meio de modelos de madeira, por meio de modelos lineares, por meio de boustings.

+ o gerador de sinais por meio de reconciliações, um dos mais eficazes. Mas levará muito tempo para contar. É um análogo automático de sua quantificação.

 
Aleksey Vyazmikin #:

Eu escrevi - uma maneira de agregá-los. Atribuir pesos essenciais e remover inconsistências. Identificar as melhores instâncias.

Você poderia usar uma árvore simples. Ou agregar e distribuir os pesos você mesmo. Tentei aplicar todos esses métodos.

Você tem alguma outra ideia?

Portanto, as estatísticas por regra resolvem esse problema.
Frequência, precisão, tamanho, probabilidade.... Etc.

Não entendo por que há um aumento.
 
Maxim Dmitrievsky #:

Bem, não custa nada mover as regras.

Seleção de Python por métricas, talvez eu crie um testador para elas.

Há muitas coisas que você pode fazer. Por meio de modelos de madeira, modelos lineares, boustings.

+ gerador de recursos por meio de agrupamentos, um dos mais eficientes. Mas levará muito tempo para contar. É um análogo automático de sua quantificação.

O que é "collation"?

 
mytarmailS #:
É assim que o Statistics per Rule resolve esse problema
Frequência, precisão, tamanho, probabilidade.... Etc

Não entendo por que há um aumento aqui

Modelo de árvore para remover inconsistências e revelar dependências mútuas não lineares. Não se trata de usar folhas de uma árvore, mas de muitas árvores diferentes.

 
Aleksey Vyazmikin #:

Modelo de árvore para remover contradições e revelar dependências mútuas não lineares. Não se trata de usar folhas de uma única árvore, mas de muitas árvores diferentes.

Essas regras são apenas recursos binários para o modelo?
 
mytarmailS #:
Essas regras são apenas atributos binários do modelo?

É isso mesmo.

 
Aleksey Vyazmikin #:

O que são "reconciliações"?

convoluções, kernels convolucionais.

transformação de kernel convolucional

Razão: