Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2961

[mytarmailS]

Forester #:

A substituição pela média era usada em estatística quando simplesmente não havia dados, então a média era substituída. Eles usavam o NAN como falta ou omissão de dados - precisavam marcar esse momento de alguma forma - e decidiram usar o NAN para esse fim, com a subsequente substituição pela média.

Tenho NAN - há um erro na preparação dos dados e recebo, por exemplo, after /0 (mas às vezes recebo + - INF). Não preciso considerar dados errôneos como normais ou mesmo médios.
Os erros devem ser corrigidos (imprimo que a coluna contém NAN e está ausente). Mas quem lê essas impressões...? )))

Bem, então não há nada a perguntar, o que você pode fazer a não ser jogá-lo fora?

Por via das dúvidas, um exemplo de substituição de NANs, já que eu já escrevi um exemplo.

m <- round(matrix(rnorm(100),ncol = 5,nrow = 10),2)
m[ sample(1:nrow(m),5,replace = T) , sample(1:ncol(m),5,replace = T) ] <- NaN
m

[,1]  [,2]  [,3]  [,4]  [,5]
 [1,] -1.17 -0.10 -0.22 -1.49 -1.23
 [2,]   NaN   NaN  0.85   NaN -2.13
 [3,]  0.60  0.06  1.50 -0.31  0.05
 [4,]   NaN   NaN -0.41   NaN -0.43
 [5,]  1.17  0.86 -0.51  1.43 -0.07
 [6,] -0.44  0.79 -0.61  0.68  0.11
 [7,]  0.85  0.74  0.31 -1.16 -0.38
 [8,]   NaN   NaN  1.09   NaN -0.36
 [9,]   NaN   NaN -0.58   NaN -1.27
[10,] -0.19 -0.42  0.07  0.31  1.92

e solução

library(imputeTS)
m2 <- round(apply(m,2,na_ma),2)
m2

 [,1]  [,2]  [,3]  [,4]  [,5]
 [1,] -1.17 -0.10 -0.22 -1.49 -1.23
 [2,] -0.14  0.12  0.85 -0.57 -2.13
 [3,]  0.60  0.06  1.50 -0.31  0.05
 [4,]  0.49  0.49 -0.41  0.27 -0.43
 [5,]  1.17  0.86 -0.51  1.43 -0.07
 [6,] -0.44  0.79 -0.61  0.68  0.11
 [7,]  0.85  0.74  0.31 -1.16 -0.38
 [8,]  0.37  0.51  1.09 -0.14 -0.36
 [9,]  0.14  0.14 -0.58  0.04 -1.27
[10,] -0.19 -0.42  0.07  0.31  1.92

[Forester]

mytarmailS #:

Bem, então não há nada a perguntar, nada a fazer a não ser jogá-lo fora.

Por via das dúvidas, um exemplo de como substituir os NAVs, já que eu já escrevi um exemplo.

e a solução

Obrigado, talvez o código seja útil para alguém.

[Rashid Umarov]

A ajuda onnx no site foi atualizada - https://www.mql5.com/ru/docs/onnx

[СанСаныч Фоменко]

mytarmailS #:

Estive pensando em seu exemplo.

Tenho grandes dúvidas.

Em primeiro lugar, será que estou entendendo corretamente?

Em alguma seção da cotação, foram encontrados pontos de entrada que darão algum tipo de linha de equilíbrio perfeita.

Se for esse o caso, trata-se de um ajuste excessivo no histórico. Os pontos de entrada/saída encontrados não satisfazem de forma alguma a ideia básica do MO de que "a história se repete". Com o MO, buscam-se alguns padrões abstratos, com a esperança/justificativa de que eles se repetirão no futuro. E aqui está uma marcação de alguma área de preço....

Existe alguma outra maneira? Ou estou perdendo alguma coisa?

[mytarmailS]

СанСаныч Фоменко #:

Pensei em seu exemplo.

Grandes dúvidas.

Primeiro, se eu entendi direito.

Em algumas seções do quotir, foram encontrados pontos de entrada que proporcionarão uma determinada linha de equilíbrio ideal.

Se for esse o caso, trata-se de uma adaptação excessiva da história. Os pontos de entrada/saída encontrados não satisfazem de forma alguma a ideia básica do MO de que "a história se repete". Com o MO, buscam-se alguns padrões abstratos, com a esperança/justificativa de que eles se repetirão no futuro. E aqui está uma marcação de uma determinada área de preço....

Existe alguma outra maneira? Ou estou perdendo alguma coisa?

O ponto/propósito do exemplo é mostrar que é possível treinar o modelo não apenas com alvos prontos, mas também com funções de perda de qualquer complexidade que minimizem ou maximizem o FF.

Neste exemplo (por solicitação daqueles que estão ansiosos), é mostrado como treinar o AMO para obter o lucro máximo estável, mas pode ser absolutamente qualquer FF a seu gosto....

Além disso, ninguém impede a adição de amostragem de teste e validação para o treinamento, de modo que não haja excesso de treinamento, mas isso complicaria o código e está além do escopo do exemplo.

[СанСаныч Фоменко]

mytarmailS #:
O objetivo do exemplo é mostrar que é possível treinar o modelo não apenas em alvos prontos, mas também em funções de perda de qualquer complexidade, minimizando ou maximizando o FF.

Neste exemplo (a pedido dos interessados), é mostrado como treinar o AMO para obter o lucro máximo estável, mas pode ser absolutamente qualquer FF a seu gosto....

Além disso, ninguém impede a adição de amostragem de teste e validação para o treinamento, para que não haja excesso de treinamento, mas isso complicaria o código e está além do escopo do exemplo.

Entendo, muito curioso

[Andrey Dik]

СанСаныч Фоменко #:

Estou vendo, muito curioso

o que é curioso? isso foi dito há alguns meses neste tópico em diálogos com minha participação))) aqui muitos argumentaram que o ff máximo/minuto não deveria ser de forma alguma)))))

como você define o ff, assim o navio navegará....

[Maxim Dmitrievsky]

Andrey Dik #:

o que é curioso? foi dito há alguns meses neste tópico em diálogos com a minha participação)) aqui muitos argumentaram que o max/min ff não deveria estar de forma alguma))))

como você define o ff, assim o navio navegará....

O algoritmo tem seu próprio ff, que não pode ser alterado (não funcionará), é apenas um complemento para que o ajuste de curva seja bonito. Ele não afeta nada globalmente. Já havia aqui uma variante com perda personalizada no fator de lucro, na bandeja está bonito como sempre.

Damos voltas e voltas e sempre nos surpreendemos. A amnésia é uma aflição agradável, notícias de todos os dias 😀

[Andrey Dik]

Maxim Dmitrievsky #:
O algoritmo tem seu próprio ff, que não pode ser alterado (não funcionará), é apenas um complemento para o ajuste de curva, para torná-lo mais bonito.) Ele não afeta nada globalmente.

Max, você pode definir qualquer FF, e é bom defini-lo de acordo com o objetivo do treinamento.

Se a meta de aprendizado for o ajuste de curva, então ele será o ajuste de curva)).

Mas isso não anula o fato de que qualquer treinamento é a essência da otimização (máxima/minimização) de algum FF.

[Maxim Dmitrievsky]

Andrey Dik #:

Max, o FF pode ser definido da maneira que você quiser, e é uma boa ideia definir um objetivo de aprendizado apropriado.

Se o objetivo de aprendizado for kurwafing, então ele será kurwafing)).

Mas isso não anula o fato de que qualquer treinamento é a essência da otimização (máxima/minimização) de algum FF.

Mas não consigo imaginar como o TC pode ser obtido por meio disso :) talvez alguém tenha um FF super-duper, mas ele se mantém em silêncio