Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2361

 
mytarmailS:

Eu tento algo como "aprender um tiro", mas à minha maneira, ou simplesmente, tento procurar padrões complexos...


Eu dou um ressalto e muitos "não ressaltos" na proporção de cerca de 1 para 200, então eu recebo um tipo de treinamento com um exemplo, então eu tiro probabilidade do modelo e vejo o que acontece com o preço com novos dados quando o modelo mostra maior probabilidade...

É quase o mesmo que comparar o preço atual com o meu próprio padrão e olhar para a medida de proximidade, mas aqui eu olho para a probabilidade do modelo...


Francamente falando, às vezes é muito bom, embora não haja muitos negócios, mas é apenas um padrão e pode haver muitos deles.

Aqui está um padrão de sucesso, por exemplo, o primeiro é uma espécie de comboio, todos os outros são novos dados

A mim parece-me bem.

Como é que se treina? Sobre-amostragem? A classificação de descida gradual não pode lidar com 1 em 200 amostras.

 
Aleksey Mavrin:

1) Como é que se treina?

2) Você aplica sobreamostragem?

3) A classificação de descida de gradiente não pode lidar com uma amostra de 1 em 200.

1) o descanso

2) não

3) você pode fazer isso com a genética

 
mytarmailS:

1) o descanso

2) não

3) a genética pode

Já está. A seguir você provavelmente terá que pedir por aprendizagem ativa, os exemplos mais "sem sucesso" do OOS para adicionar ao tutorial e terminar a aprendizagem.

 
Aleksey Mavrin:

Já está. Em seguida, você provavelmente deveria estar pedindo aprendizagem ativa, adicionando os exemplos mais "mal sucedidos" do EOC ao tutorial e aprendendo mais.

Não..

Próxima geração de regras corretas e adequadas aos dados do mercado

Sinto-me atraído pela regressão simbólica (programação genética) como uma ferramenta, mas consome demasiados recursos, por isso ainda estou a pensar...

[Excluído]  
mytarmailS:

Não..

A seguir, gerando as regras certas para os dados de mercado

Estou interessado na regressão simbólica como ferramenta, mas é demasiado intensiva em recursos, por isso estou a pensar...

Não estás cansado de comer cactos? )

Imagine procurar por padrões na SB

 
Maxim Dmitrievsky:

Imagine procurar por padrões na SB

Não no olho, mas no olho).

Mas eu preciso aprender matestat chato) Mas eu quero voar nas asas da criatividade)

 

Se você treinar um modelo em 10 características primitivas e quiser descrever o mercado inteiro, tudo bem.

E se eu descrever uma situação com cem sinais e um modelo inteiro, é SB?

Você está doente?

 
mytarmailS:

Aplaudir?

A torcer por ti. Quebre a parte de trás do forex, quebre-a completamente.

 
Aleksey Nikolayev:

Saúde para ti. Quebre a parte de trás do forex, quebre-a completamente.

))

Pelo menos o seu sentido de humor é bom.

[Excluído]  
mytarmailS:

Se você treinar um modelo em 10 características primitivas e quiser descrever o mercado inteiro, tudo bem.

E se eu descrever uma situação com cem sinais e um modelo inteiro, é SB?

Você está doente?

Todos os sinais são derivados do preço.

Tudo o que você faz é criar um monte de regras que o MO pode fazer melhor do que você.

pegue ROCKET e faça um monte de traços, especialmente porque há um miniRocket

Bem, ou continuas a bater os cornos na esperança de que o mundo inteiro esteja doente e que sejas d'artagnan.

MiniRocket: Fast(er) and Accurate Time Series Classification
MiniRocket: Fast(er) and Accurate Time Series Classification
  • Alexandra Amidon
  • towardsdatascience.com
Most state-of-the-art (SOTA) time series classification methods are limited by high computational complexity. This makes them slow to train on smaller datasets and effectively unusable on large datasets. Recently, ROCKET (RandOM Convolutional KErnel Transform) has achieved SOTA of accuracy in just a fraction of the time as other SOTA time...